чому дата-Журналістика — ПРОФЕСІЯ МАЙБУТНЬОГО
У світі з'являється все більше даних. Але дані самі по собі-це набір символів. Потрібні фахівці, які вміють витягувати важливі для держави, бізнесу і суспільства інсайти і подавати їх читачам в зрозумілому вигляді. Високий попит на спеціалістів. Світові медіа, як традиційні, так і корпоративні, мають в штаті фахівців по роботі з даними. Для деяких редакцій наявність навичок роботи з даними — ключова перевага при виборі кандидата на посаду. У Росії цей ринок тільки формується-це вільна ніша, яка відчуває потребу в кваліфікованих кадрах.
Курс особливо підійде
У світі з'являється все більше даних. Але дані самі по собі-це набір символів. Потрібні фахівці, які вміють витягувати важливі для держави, бізнесу і суспільства інсайти і подавати їх читачам в зрозумілому вигляді. Високий попит на спеціалістів. Світові медіа, як традиційні, так і корпоративні, мають в штаті фахівців по роботі з даними. Для деяких редакцій наявність навичок роботи з даними — ключова перевага при виборі кандидата на посаду. У Росії цей ринок тільки формується-це вільна ніша, яка відчуває потребу в кваліфікованих кадрах.
Курс особливо підійде
- журналістам, контент-маркетологам, блогерам. Освоїте інструменти для створення повноцінних досліджень і відкриєте величезне інформаційне поле для нових матеріалів. Навчіться писати, спираючись на факти, прокачати в спеціальності і зможете претендувати на високу зарплату.
- Product/project менеджерам, PR-фахівцям. Навчіться збирати дані всередині компанії або продукту, зрозумієте, як їх використовувати і для чого. Зможете створювати статті, спецпроекти і матеріали для ЗМІ і підвищувати впізнаваність свого продукту/проекту. Знаходити гіпотези і працювати з ними, створювати повістку.
- аналізувати. Використовувати Python для статистичного аналізу даних, шукати закономірності, будувати гіпотези і задавати питання до даних
- візуалізувати. Обробляти дані будь-якої складності в Tableau, формувати зрозумілі і наочні звіти за ключовими показниками
- розповідати. Створювати з підтверджених гіпотез і фактів розповідь для читача, додавати в історію проблему і героя
ви навчитеся користуватися інструментами і підходами в Python, щоб почати працювати з даними і аналізувати в ньому інформацію.
Основи Python та Git (арифметика)
Базові типи даних і цикли
Функції та класи
Просунуті типи даних: масиви, множини, словники
Python для аналізу даних: numpy та scipy
Python для аналізу даних: pandas
Основні бібліотеки для підключення до БД з Python
Інструменти matplotlib, seaborn для візуалізації
Вибір способу візуалізації під задачу
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.
Основи описової статистики, види розподілів у Python
Центральна гранична теорема та статистичний аналіз даних у Python
Основні статистичні тести та перевірка гіпотез
Кейс-стаді. Статистичні показники в Python
Знайомство з інфраструктурою Tableau. Завантаження даних. Перший дашборд
Основні види візуалізацій. Кращі практики візуалізації
Основи роботи з розрахунковими полями, фільтрами, множинами і угрупованнями
Використання параметрів, об'єднання декількох джерел
Складні розрахункові поля, огляд основних груп функцій
Функції LOD, Set Actions, Parameter Actions
Розробка дашбордов. Налаштування взаємодії між візуалізаціями
Tableau Professional. Підключення до баз даних SQL
Основи роботи з Tableau Server
Основи Python та Git (арифметика)
Базові типи даних і цикли
Функції та класи
Просунуті типи даних: масиви, множини, словники
Python для аналізу даних: numpy та scipy
Python для аналізу даних: pandas
Основні бібліотеки для підключення до БД з Python
Інструменти matplotlib, seaborn для візуалізації
Вибір способу візуалізації під задачу
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.
Основи описової статистики, види розподілів у Python
Центральна гранична теорема та статистичний аналіз даних у Python
Основні статистичні тести та перевірка гіпотез
Кейс-стаді. Статистичні показники в Python
Знайомство з інфраструктурою Tableau. Завантаження даних. Перший дашборд
Основні види візуалізацій. Кращі практики візуалізації
Основи роботи з розрахунковими полями, фільтрами, множинами і угрупованнями
Використання параметрів, об'єднання декількох джерел
Складні розрахункові поля, огляд основних груп функцій
Функції LOD, Set Actions, Parameter Actions
Розробка дашбордов. Налаштування взаємодії між візуалізаціями
Tableau Professional. Підключення до баз даних SQL
Основи роботи з Tableau Server
https://privatelink.de/?https://netology.ru/programs/data-journalist#/experts