Курс «Python для анализа данных»

Направление
Python
Формат
Видео в записи
Домашние задания
Есть
Итоговый экзамен
Есть
Количество уроков
7
Документ об обучении
Сертификат
Обратная связь
Есть
Доступ
Сразу после покупки
Последнее обновление 30.06.2022

О курсе

За 2,5 месяца вы научитесь решать типовые задачи аналитики данных быстро и изящно с помощью самого популярного в мире языка программирования.

Кому подойдет курс:
Аналитикам. Научитесь оптимизировать ежедневные задачи, замените Excel и исследуете данные глубже.
Руководителям. Получите больше автономности от аналитиков и сможете принимать data-driven решения быстрее.
Маркетологам. Автоматизируете регулярный анализ данных для быстрого реагирования на изменения рынка.

Если вы никогда не работали аналитиком, наш курс подарит вам билет в профессию.
Если вы уже аналитик, но не работали с Python, после курса вы сможете претендовать на новые полномочия и задачи.

Программа курса

  1. — понимать чужой код и адаптировать его под свои задачи;
    — использовать настоящую среду программирования Jupyter Notebook в рабочих задачах;
    — вычленять с помощью Python необходимые данные из неструктурированной информации;
    — автоматизировать повторяющиеся задачи работы с данными с помощью функций;
    — использовать библиотеку datetime для обработки данных формата «дата и время».
  2. — оптимизировать работу, используя стандартные библиотеки, которые вшиты в Python и помогают работать с датами, текстами и разными типовыми данными;
    — использовать библиотеку pandas для первичного изучения данных (построения сводных таблиц, поиска и корректировки исходных данных, моментального агрегирования данных из таблиц с количеством строк больше 50 тысяч);
    — делать выборки/выгрузки данных по любым условиям;
    — агрегировать данные из разных таблиц.
  3. — строить в Python всевозможные графики, учитывая задачи, которые они выполняют (гистограмма, скаттер плот, хитмап и другие популярные визуалы);
    — использовать визуализацию для поиска выбросов и ошибок в данных;
    — использовать pandas и Seaborn для визуализации данных.
  4. — анализировать данные АБ-тестов и подводить их итоги;
    — рисовать и рассчитывать в Python доверительные интервалы для среднего у двух групп;
    — работать в команде над задачей;
    — использовать статистический критерий хи-квадрат и бутстрап;
    — находить самостоятельно необходимые функции на stackoverflow, изучать параметры и использовать их в коде.
  5. — загружать данные в форматах json;
    — собирать и анализировать данные из групп vk.com;
    — подключаться к API разных ресурсов, с которыми сталкиваются аналитики, на примере vk.com, world bank, Яндекс. Метрика, Slack;
    — подключаться и делать запросы к базам данных PosrgreSQL и ClickHouse.
  6. — прогнозировать временные ряды с помощью Prophet;
    — учитывать собственные решения относительно прогнозирования данных.
  7. Задача — проанализировать, есть ли различия в конверсии из заявки на обучение в оплату, в зависимости от стоимости продукта.

Преподаватели

Шагане Мирзоян
Руководитель продуктовой аналитики в «СберМаркет».
Михаил Морозов
Директор отдела аналитики в Skyeng.
Дмитрий Чехин
Аналитик в Skyeng
3 года в аналитике
2 года с Python
Мария Плиева
Аналитик в Skyeng
4 года в аналитике
1 год с Python

Другие курсы по этой теме

Помогите нам улучшить наш сервис, поделитесь своим опытом, пройдя небольшой опрос. Он займет у вас не больше 5 минут.
Пройти опрос