чому ви навчитеся на курсі
- Працювати з сирими даними
Інформація для звітів тепер у вас в руках.
Від отримання даних з різних джерел за допомогою SQL до створення робочих моделей і аналізу за допомогою Python.
- працювати з замовниками даних
Говоріть з бізнесом на одній мові.
Навчимо збирати і обробляти запити на аналітику, надавати метрики в зрозумілому вигляді і визначати точку докладання зусиль.
- працювати з Big Data
Отримуйте конкурентну перевагу: кращі компанії працюють з великими даними.
Навчимо використовувати в роботі актуальні інструменти аналізу даних: Hadoop і NoSQL.
- висувати і тестувати гіпотези
Беріть в роботу складні завдання і будьте впевнені в своїх підходах до досягнення мети.
Навчимо пріоритизувати гіпотези і підбирати ефективні інструменти для їх перевірки.
- аналізувати дані
Розуміння бізнесу дозволяє рости швидше і збільшувати свій капітал. Навчимо знаходити інсайти в даних і пропонувати бізнесу оптимальні сценарії зростання.
1. SQL та отримання даних
складання SQL запитів до БД
створення нових таблиць за допомогою джоінів
групування та фільтрація даних з БД
імпорт і експорт даних в БД
вивчення характеристик даних за допомогою аналітичних функцій SQL
використання PostgreSQL, MongoDB
робота з різними форматами файлів
2. Python для аналізу даних
робота в Jupyter-Notebook
робота з pandas в таблицях
робота з матрицями і векторами в Python
розуміння основних математичних понять, що лежать в основі аналізу даних
робота з бібліотекою numpy
розуміння основ описової статистики
проведення основних статистичних тестів (z-test, f-test, chi-2 test)
проектування експериментів
підключення до БД з Python
3. Експлоративний аналіз та передобробка даних
візуалізація даних за допомогою бібліотек seaborn, plotly
опис основних проблеми даних
перевірка даних на повноту, цілісність, валідність, наявність шумів, помилок і пропусків
очищення даних за допомогою numpy і pandas
скорочення розмірності даних алгоритмами PCA, LDA, NMF
4. Статистика для аналітиків
Ви навчитеся оцінювати, чи пов'язані ознаки, а також робити обґрунтовані висновки про те, чи значуща ця зв'язок статистично. Дізнаєтеся про статистичні гіпотези, способи їх перевірки та про основні статистичні критерії, які для цього розроблені. Розгляньте випадкові події, їх властивості та операції над ними.
5. Аналітика великих даних
Часто аналітик даних потрібен саме в тих компанія, які накопичили свою big data, і аналітику потрібно володіти не тільки стандартними інструментами на зразок статистики і SQL, але і знати основні принципи роботи з великими даними, мати уявлення про компоненти екосистеми Hadoop і хмарних платформах для реалізації рішень по big data. Про все це ми поговоримо в модулі про аналітику великих даних.
6. Робота в команді Ви навчитеся працювати в команді. Дізнаєтеся, хто є замовником аналітики в компанії і як працювати з різними типами замовників. Ви отримаєте базові знання про ієрархію метрик, які дозволять вам говорити однією мовою з колегами, висувати робочі гіпотези і будувати зрозумілу звітність.
дипломна робота
В рамках дипломного проекту ви застосуєте отримані навички для вирішення своїх поточних професійних завдань: це може бути дашборд з візуалізацією ключових бізнес-показників, комплекс пропозицій по оптимізації стратегії компанії, Пошук і обґрунтування точок зростання бізнесу і т.д. Ви отримуєте готовий кейс для впевненого зростання і переходу на нову посаду.
складання SQL запитів до БД
створення нових таблиць за допомогою джоінів
групування та фільтрація даних з БД
імпорт і експорт даних в БД
вивчення характеристик даних за допомогою аналітичних функцій SQL
використання PostgreSQL, MongoDB
робота з різними форматами файлів
2. Python для аналізу даних
робота в Jupyter-Notebook
робота з pandas в таблицях
робота з матрицями і векторами в Python
розуміння основних математичних понять, що лежать в основі аналізу даних
робота з бібліотекою numpy
розуміння основ описової статистики
проведення основних статистичних тестів (z-test, f-test, chi-2 test)
проектування експериментів
підключення до БД з Python
3. Експлоративний аналіз та передобробка даних
візуалізація даних за допомогою бібліотек seaborn, plotly
опис основних проблеми даних
перевірка даних на повноту, цілісність, валідність, наявність шумів, помилок і пропусків
очищення даних за допомогою numpy і pandas
скорочення розмірності даних алгоритмами PCA, LDA, NMF
4. Статистика для аналітиків
Ви навчитеся оцінювати, чи пов'язані ознаки, а також робити обґрунтовані висновки про те, чи значуща ця зв'язок статистично. Дізнаєтеся про статистичні гіпотези, способи їх перевірки та про основні статистичні критерії, які для цього розроблені. Розгляньте випадкові події, їх властивості та операції над ними.
5. Аналітика великих даних
Часто аналітик даних потрібен саме в тих компанія, які накопичили свою big data, і аналітику потрібно володіти не тільки стандартними інструментами на зразок статистики і SQL, але і знати основні принципи роботи з великими даними, мати уявлення про компоненти екосистеми Hadoop і хмарних платформах для реалізації рішень по big data. Про все це ми поговоримо в модулі про аналітику великих даних.
6. Робота в команді Ви навчитеся працювати в команді. Дізнаєтеся, хто є замовником аналітики в компанії і як працювати з різними типами замовників. Ви отримаєте базові знання про ієрархію метрик, які дозволять вам говорити однією мовою з колегами, висувати робочі гіпотези і будувати зрозумілу звітність.
дипломна робота
В рамках дипломного проекту ви застосуєте отримані навички для вирішення своїх поточних професійних завдань: це може бути дашборд з візуалізацією ключових бізнес-показників, комплекс пропозицій по оптимізації стратегії компанії, Пошук і обґрунтування точок зростання бізнесу і т.д. Ви отримуєте готовий кейс для впевненого зростання і переходу на нову посаду.
https://privatelink.de/?https://netology.ru/programs/data-analyst