Мова викладання в курсі — російська. Незабаром буде доступна українська версія цього курсу.
Відеозаписи лекцій без зворотного зв'язку та участі викладача. Ви отримаєте доступ до матеріалів одразу після оплати.
Навчимо з нуля збирати, аналізувати та презентувати дані.
Чого ви навчитеся на курсі
Працювати із сирими даними
Інформація для звітів тепер у вас у руках. Від отримання даних з різних джерел за допомогою SQL до створення робочих моделей і аналізу за допомогою Python.
Працювати із замовниками даних
Говоріть із бізнесом однією мовою.
Навчимо збирати й опрацьовувати запити на аналітику, надавати метрики в зрозумілому вигляді та визначати точку докладання зусиль.
Працювати з Big Data
Отримуйте конкурентну перевагу: найкращі компанії працюють із великими даними. Навчимо використовувати в роботі актуальні інструменти аналізу даних: Hadoop і NoSQL.
Висувати і тестувати гіпотези
Беріть у роботу складні завдання і будьте впевнені у своїх підходах до досягнення мети. Навчимо пріоритизувати гіпотези та підбирати ефективні інструменти для їхньої перевірки.
Аналізувати дані
Розуміння бізнесу дає змогу рости швидше і збільшувати свій капітал. Навчимо знаходити інсайти в даних і пропонувати бізнесу оптимальні сценарії зростання.
Кому ідеально підійде цей курс
Усім, чия робота пов'язана з даними.Курс дає технічну базу та інструменти для роботи з даними для збільшення доходу.
Аналітики-початківці. Ви отримаєте інструменти для переходу на рівень middle і зможете працювати над цікавішими завданнями.
Веб-аналітики та програмісти. На вас чекає дуже крутий апгрейд бізнес-навичок і hard skills в аналітиці та нова траєкторія розвитку кар'єри.
Що ви отримаєте в результаті навчання
— Сбор и подготовка данных для анализа
— Визуализация данных
— Сбор и понимание бизнес-требований заказчика
— Подготовка ad-hoc исследований и аналитики
— Тестирование гипотез
— Умение писать сложные запросы на SQL
— Python для анализа данных
— Знание основ работы с Hadoop
Програма курсу
Блок 1. Аналітика для успіху бізнесу
01. Компетенції та інструменти аналітика. Роль аналітики в ухваленні рішень
02. Помилки та провали під час інтерпретації аналітичних показників
03. Практичне заняття. Розбір кейсів реальних бізнесів. Пошук інсайтів у даних
04. Доп.практичне заняття. Розбір кейсів
05. Доп.практичне заняття. Розбір кейсів-2
Блок 2. SQL та отримання даних
01. Вступ до SQL. Основи баз даних
02. Робота з базами даних
03. Основи SQL
04. Поглиблення в SQL
05. Робота з PostgreSQL
06. Робота з MongoDB
Блок 3. Python і математика для аналізу даних
00. Вступна лекція з курсу
01. основи Python і Git
02. Цикли. Типи даних. Колекції даних
03. Функції - використання вбудованих і створення власних
04. Робота з датами в Python
05. Python для аналізу даних numpy і scipy
06. Python для аналізу даних pandas
07. Python для роботи з базами даних
08. Візуалізація даних у Python
09. Лабораторна робота з Python
10. Візуалізація даних у Python (доп.лекція)
11. Розбір за 1 Блоком курсу
12. основи описової статистики, види розподілів у Python
13. Центральна гранична теорема і статистичний аналіз даних у Python
14. Основні статистичні тести та перевірка гіпотез
15. Лабораторна робота зі статистики
16. Кейс-стаді. Статистичні показники в Python. Ч.1
17. Кейс-стаді. Статистичні показники в Python. Ч.2
Гостьові лекції
01. Встановлення ПЗ
02. Знайомство з Python
03. Умовні конструкції. Операції порівняння
04. Введення в типи даних і цикли
05. Цикли. Типи даних. Колекції даних
06. Функції - використання вбудованих і створення власних
07. Класи та їхнє застосування в Python
Блок 4. Робота аналітика в команді
01. Розуміння цілей бізнесу
02. Фінансові метрики
03. Маркетингові метрики та метрики продукту
04. Ієрархія метрик
05. Збір вимог і розробка звітності
06. Формулювання гіпотез. Пошук точок зростання
07. Дизайн тестів, проведення та аналіз. Побудова простих моделей
08. Оптимізація звітності
Блок 5. Big Data — основы работы с большими массивами данных
01. Традиційні аналітичні підходи
02. Машинные методы в помощь обработке данных (обзорная — теория)
03. Мотивація та інструменти великих даних
04. NoSQL-підхід до роботи з великими даними
05. MapReduse-основы (HADOOP & SPARK)
06. Практика pyspark
07. Культура збору та джерела даних
08. Кейс-стаді
09. MapReduce-розширена версія
10. Організація команди для роботи з даними
Відгуки
Відгуків немає, поки що.