На курсі ми покажемо, як проходить повний цикл аналізу даних в індустрії: від збору і обробки і агрегації даних до побудови графіків і аналітичних звітів. Ви навчитеся користуватися сучасними аналітичними інструментами в Python і навчитеся адаптувати їх під особливості конкретних завдань.
На курсі Ви отримаєте:
- практичні кейси, взяті з реального життя, на застосування Pandas, Numpy, Seaborn, Matplotlib, Prophet та інших бібліотек Python;
- кейси на дослідницький аналіз даних, візуалізацію, A/B тестування, аналіз роботи рекомендаційної системи, прогнозування часових рядів, а найактивніші навчаться робити і чат-ботів в якості бонусу
- постійне живе спілкування з викладачем МФТІ на вебінарах і в телеграм-чаті групи;
- відповіді на всі свої питання по ходу курсу від викладача;
- зворотний зв'язок на цікаві домашні завдання;
- диплом МФТІ про підвищення кваліфікації.
Для кого курс?
1 для тих, хто хоче почати кар'єру в аналізі даних
Отримайте навички аналізу даних на Python і почніть формувати своє проектне портфоліо прямо на курсі
2 підприємцям та керівникам
Знайдіть точки зростання бізнесу за допомогою аналізу даних, почніть спілкуватися однією мовою з технічними фахівцями з вашої команди
3 початківцям аналітикам
Підніміть свою вартість на ринку, розширивши свій інструментарій і набір завдань, які ви можете вирішувати
4 Маркетологам
Навчіться легко працювати з даними, отримувати з них інсайти, почніть краще аналізувати ефективність маркетингових кампаній і грамотно проводити тестування гіпотез
5 Продакт-менеджерам
Отримайте навички програмування на Python і почніть спілкуватися на одній мові з розробниками з вашої команди
тиждень 1.
Познайомимося з основами Python, напишемо перші програми, будемо багато практикуватися для отримання впевненості в мові.
На цьому тижні ми вивчимо і освіжимо в голові ті частини мови Python, які далі знадобляться для аналізу даних. Вас чекає велика кількість практичних вправ. Також ви отримаєте велике фінальне завдання на весь курс. Вивчення нових інструментів на практиці протягом курсу будуть відкривати нові шматочки пазла знань і навичок, необхідних для виконання фінального проекту.
Тиждень 2.
Підготовка даних до аналізу-перший крок до вирішення аналітичної задачі. Вчимося готувати дані до аналізу і ефективно працювати з табличними даними за допомогою Pandas.
Навчимося ефективно працювати з табличними даними і виконувати базову бізнес-аналітику за допомогою Pandas.
В якості практичного проекту будемо досліджувати вплив даних про повернення банківських кредитів. Ви підготуєте звіт для кредитного відділу банку. Потрібно розібратися, чи впливає Сімейний стан і кількість дітей у позичальника на факт своєчасного повернення кредиту.
Тиждень 3.
Дослідницький аналіз даних. Вчимося використовувати засоби візуалізації для роботи з даними Matplotlib і Seaborn.
Дослідницький аналіз даних. Попередній пошук закономірностей в даних дозволяє отримати перше уявлення про природу даних і допомагає сформулювати перші гіпотези для аналізу. Вчимося використовувати засоби візуалізації для роботи з даними. Познайомимося з модулями для візуалізації даних Matplotlib і Seaborn.
Тиждень 4.
Вивчаємо основи статистики та теорії ймовірностей для вирішення бізнес-завдань. Вчимося тестувати гіпотези. Введення в A/B-тести.
Виміряти ефективність впровадження нового функціоналу в продукт можна зрозумілими статистичними методами за допомогою A/B-тестування.
В якості практичного проекту ви побудуєте систему рекомендацій товарів для користувачів інтернет-магазину.
Тиждень 5.
Прогнозування часових рядів, знайомство з азами машинного навчання.
На цьому тижні ми на реальних даних про продажі товарів інтернет-магазину будемо вчитися аналізувати і передбачати часові ряди за допомогою Python-модуля Prophet. Також у вигляді бонусу подивимося, як можна автоматично знаходити закономірності в даних за допомогою машинного навчання.
Тиждень 6.
Використовуємо всі отримані навички для виконання фінального проекту.
На цьому тижні ми будемо займатися виконанням фінального проекту. Використовуємо всі отримані на курсі знання та навички для вирішення завдання прогнозування закупівель товарів на склади магазину. Бонус: видаємо керівництво з написання власного телеграм-бота.
Познайомимося з основами Python, напишемо перші програми, будемо багато практикуватися для отримання впевненості в мові.
На цьому тижні ми вивчимо і освіжимо в голові ті частини мови Python, які далі знадобляться для аналізу даних. Вас чекає велика кількість практичних вправ. Також ви отримаєте велике фінальне завдання на весь курс. Вивчення нових інструментів на практиці протягом курсу будуть відкривати нові шматочки пазла знань і навичок, необхідних для виконання фінального проекту.
Тиждень 2.
Підготовка даних до аналізу-перший крок до вирішення аналітичної задачі. Вчимося готувати дані до аналізу і ефективно працювати з табличними даними за допомогою Pandas.
Навчимося ефективно працювати з табличними даними і виконувати базову бізнес-аналітику за допомогою Pandas.
В якості практичного проекту будемо досліджувати вплив даних про повернення банківських кредитів. Ви підготуєте звіт для кредитного відділу банку. Потрібно розібратися, чи впливає Сімейний стан і кількість дітей у позичальника на факт своєчасного повернення кредиту.
Тиждень 3.
Дослідницький аналіз даних. Вчимося використовувати засоби візуалізації для роботи з даними Matplotlib і Seaborn.
Дослідницький аналіз даних. Попередній пошук закономірностей в даних дозволяє отримати перше уявлення про природу даних і допомагає сформулювати перші гіпотези для аналізу. Вчимося використовувати засоби візуалізації для роботи з даними. Познайомимося з модулями для візуалізації даних Matplotlib і Seaborn.
Тиждень 4.
Вивчаємо основи статистики та теорії ймовірностей для вирішення бізнес-завдань. Вчимося тестувати гіпотези. Введення в A/B-тести.
Виміряти ефективність впровадження нового функціоналу в продукт можна зрозумілими статистичними методами за допомогою A/B-тестування.
В якості практичного проекту ви побудуєте систему рекомендацій товарів для користувачів інтернет-магазину.
Тиждень 5.
Прогнозування часових рядів, знайомство з азами машинного навчання.
На цьому тижні ми на реальних даних про продажі товарів інтернет-магазину будемо вчитися аналізувати і передбачати часові ряди за допомогою Python-модуля Prophet. Також у вигляді бонусу подивимося, як можна автоматично знаходити закономірності в даних за допомогою машинного навчання.
Тиждень 6.
Використовуємо всі отримані навички для виконання фінального проекту.
На цьому тижні ми будемо займатися виконанням фінального проекту. Використовуємо всі отримані на курсі знання та навички для вирішення завдання прогнозування закупівель товарів на склади магазину. Бонус: видаємо керівництво з написання власного телеграм-бота.
тиждень 1.
Познайомимося з основами Python, напишемо перші програми, будемо багато практикуватися для отримання впевненості в мові.
На цьому тижні ми вивчимо і освіжимо в голові ті частини мови Python, які далі знадобляться для аналізу даних. Вас чекає велика кількість практичних вправ. Також ви отримаєте велике фінальне завдання на весь курс. Вивчення нових інструментів на практиці протягом курсу будуть відкривати нові шматочки пазла знань і навичок, необхідних для виконання фінального проекту.
Тиждень 2.
Підготовка даних до аналізу-перший крок до вирішення аналітичної задачі. Вчимося готувати дані до аналізу і ефективно працювати з табличними даними за допомогою Pandas.
Навчимося ефективно працювати з табличними даними і виконувати базову бізнес-аналітику за допомогою Pandas.
В якості практичного проекту будемо досліджувати вплив даних про повернення банківських кредитів. Ви підготуєте звіт для кредитного відділу банку. Потрібно розібратися, чи впливає Сімейний стан і кількість дітей у позичальника на факт своєчасного повернення кредиту.
Тиждень 3.
Дослідницький аналіз даних. Вчимося використовувати засоби візуалізації для роботи з даними Matplotlib і Seaborn.
Дослідницький аналіз даних. Попередній пошук закономірностей в даних дозволяє отримати перше уявлення про природу даних і допомагає сформулювати перші гіпотези для аналізу. Вчимося використовувати засоби візуалізації для роботи з даними. Познайомимося з модулями для візуалізації даних Matplotlib і Seaborn.
Тиждень 4.
Вивчаємо основи статистики та теорії ймовірностей для вирішення бізнес-завдань. Вчимося тестувати гіпотези. Введення в A/B-тести.
Виміряти ефективність впровадження нового функціоналу в продукт можна зрозумілими статистичними методами за допомогою A/B-тестування.
В якості практичного проекту ви побудуєте систему рекомендацій товарів для користувачів інтернет-магазину.
Тиждень 5.
Прогнозування часових рядів, знайомство з азами машинного навчання.
На цьому тижні ми на реальних даних про продажі товарів інтернет-магазину будемо вчитися аналізувати і передбачати часові ряди за допомогою Python-модуля Prophet. Також у вигляді бонусу подивимося, як можна автоматично знаходити закономірності в даних за допомогою машинного навчання.
Тиждень 6.
Використовуємо всі отримані навички для виконання фінального проекту.
На цьому тижні ми будемо займатися виконанням фінального проекту. Використовуємо всі отримані на курсі знання та навички для вирішення завдання прогнозування закупівель товарів на склади магазину. Бонус: видаємо керівництво з написання власного телеграм-бота.
Познайомимося з основами Python, напишемо перші програми, будемо багато практикуватися для отримання впевненості в мові.
На цьому тижні ми вивчимо і освіжимо в голові ті частини мови Python, які далі знадобляться для аналізу даних. Вас чекає велика кількість практичних вправ. Також ви отримаєте велике фінальне завдання на весь курс. Вивчення нових інструментів на практиці протягом курсу будуть відкривати нові шматочки пазла знань і навичок, необхідних для виконання фінального проекту.
Тиждень 2.
Підготовка даних до аналізу-перший крок до вирішення аналітичної задачі. Вчимося готувати дані до аналізу і ефективно працювати з табличними даними за допомогою Pandas.
Навчимося ефективно працювати з табличними даними і виконувати базову бізнес-аналітику за допомогою Pandas.
В якості практичного проекту будемо досліджувати вплив даних про повернення банківських кредитів. Ви підготуєте звіт для кредитного відділу банку. Потрібно розібратися, чи впливає Сімейний стан і кількість дітей у позичальника на факт своєчасного повернення кредиту.
Тиждень 3.
Дослідницький аналіз даних. Вчимося використовувати засоби візуалізації для роботи з даними Matplotlib і Seaborn.
Дослідницький аналіз даних. Попередній пошук закономірностей в даних дозволяє отримати перше уявлення про природу даних і допомагає сформулювати перші гіпотези для аналізу. Вчимося використовувати засоби візуалізації для роботи з даними. Познайомимося з модулями для візуалізації даних Matplotlib і Seaborn.
Тиждень 4.
Вивчаємо основи статистики та теорії ймовірностей для вирішення бізнес-завдань. Вчимося тестувати гіпотези. Введення в A/B-тести.
Виміряти ефективність впровадження нового функціоналу в продукт можна зрозумілими статистичними методами за допомогою A/B-тестування.
В якості практичного проекту ви побудуєте систему рекомендацій товарів для користувачів інтернет-магазину.
Тиждень 5.
Прогнозування часових рядів, знайомство з азами машинного навчання.
На цьому тижні ми на реальних даних про продажі товарів інтернет-магазину будемо вчитися аналізувати і передбачати часові ряди за допомогою Python-модуля Prophet. Також у вигляді бонусу подивимося, як можна автоматично знаходити закономірності в даних за допомогою машинного навчання.
Тиждень 6.
Використовуємо всі отримані навички для виконання фінального проекту.
На цьому тижні ми будемо займатися виконанням фінального проекту. Використовуємо всі отримані на курсі знання та навички для вирішення завдання прогнозування закупівель товарів на склади магазину. Бонус: видаємо керівництво з написання власного телеграм-бота.
https://privatelink.de/?https://fpmi-edu.ru/eda_course