Придбаний Python для аналитики [2022] [OTUS] [Алина Красавина]

[Gadzhi]

• .

Python для аналитики [2022]
OTUS
Алина Красавина

Разберем лучшие инструменты для аналитики, отчетности и построения дашбордов.

Программа направлена на тех, кто никогда не работал с кодом на Python, но хочет научиться писать скрипты для аналитики.

Курс для тех, кто хочет:

1. Получать аналитические данные, создавать наглядные отчеты, строить дашборды и принимать верные решения на основе полученных данных
2. Решать задачи, которые не под силу популярным электронным таблицам с макросами
3. Перейти с тяжёлого excel на более быстрые и эффективные инструменты, чтобы получать данные быстрее

Мы научим вас:

1. Получать данные из БД и из множества файлов и подтягивать это все в отчеты;
2. Оформлять отчеты с текстом и графикой;
3. Языку программирования Python для аналитики;
4. Создавать простейшее графическое представление данных;
5. Обращаться по API к сервисам и получать данные оттуда;
6. Работать с Jupyter Notebook.

Вам подходит курс, если вы:
1. Аналитик

Научитесь анализировать данные с помощью различных инструментов Python и принимать решения на основе данных.​

2. Маркетолог

Автоматизируете сбор и анализ данных о ваших конкурентах и пользователях и научитесь работать с SQL и HTML.​

3. Менеджер

Научитесь работать с кодом и автоматизируете сбор данных из интернета, что станет аргументом для повышения в должности.​

4. Начинающий Python-разработчик

Научитесь работать с данными и сможете дальше развиваться в Data Science или в аналитике.​

Спойлер: Информация

Модуль 1 - Введение в Python

Тема 1. Cинтаксис python, Jupyter Notebook, базовые типы данных
Тема 2. Итерируемые типы данных
Тема 3. Функции, процедуры, классы
Тема 4. Условные операторы. Обработка исключений. Циклы. Генераторы​

Модуль 2 - Модуль 2 - работа с файлами, текстом и деньгами

Тема 5. Области видимости, пространства имен, import, глобальные и локальные переменные. Стандарты в написании кода
Тема 6. Работа с файлами
Тема 7. Регулярные выражения
Тема 8. Практики хранения и обработки денежных данных. Float, decimal, int, разное количество копеек в деньгах​

Модуль 3 - Получение данных из баз и из API

Тема 9. Обзор баз данных, SQL и теории множеств. Таблицы, представления, простые выборки, функции
Тема 10. Join, exists, вложенные запросы, group by, having. Индексы и план запроса.
Тема 11. Обзор по работе с HTTP в Python. Библиотеки, requests.
Тема 12. Парсинг данных из HTML
Тема 13. Работа с JSON, работа с CSV и xls
Тема 14. Многопоточность и многопроцессность, устройство памяти. Рейтлимиты API​

Модуль 4 - Практики

Тема 15. Обзор инструментов numpy, pandas, scikit, matplotlib, plotly, anaconda
Тема 16. Построение простых отчетов при помощи matplotlib, numpy, pandas
Тема 17. Основы статистики, статистические отчеты
Тема 18. A/B тесты
Тема 19. Разбор кейса построения отчета с данными из БД​

Модуль 5 - Проектная работа

Тема 20. Выбор темы и организация проектной работы
Тема 21. Консультация по проектам и домашним заданиям
Тема 22. Защита проектных работ
Тема 23. Подведение итогов курса​

https://otus.ru/lessons/python-dlja-analiza-dannyh/?int_source=courses_catalog&int_term=data-science