Kursas „Duomenų analitikas“ - kursas 96 000 rub. iš Yandex seminaro, mokymai 7 mėnesiai, data 2023 m. gruodžio 7 d.

Duomenų analitikas išskiria reikšmę iš skaičių ir vertybių: mato tendencijas, nuspėja įvykius ir padeda įmonei suprasti klientus, optimizuoti procesus ir augti.

Rinkai reikia specialistų, galinčių naudingai panaudoti duomenis. Personalo bendrovės „Ancor“ 2022 m. rugsėjo mėn. atliktas tyrimas parodė, kad 45% Rusijos įmonių ieško analitikų, kurie galėtų prisijungti prie savo komandos.

Įgūdžiai, kuriuos išmoksite kurse

Darbo pavadinimas
Analitikas, duomenų analitikas, duomenų analitikas

Tobulėjimo galimybės: Produktų analitikas, rinkodaros analitikas, BI analitikas, duomenų mokslo specialistas

Štai technologijos ir įrankiai, kuriuos naudosite:
Python
Jupyter užrašų knygelė
SQL
PostgreSQL
Tableau
A/B testai
Pradėkite užsidirbti pinigų analizuodami
Pradėsite nuo jaunesnio lygio, o tada judėsite tik į priekį. Kilsite karjeros laiptais ir augsite vertė. Ir vieną dieną jums nebus jokios kainos.

Baigti duomenų analitikos kursų programą
Reguliariai jį atnaujiname, siekdami užtikrinti, kad jis atitiktų pramonės ir darbdavių poreikius.
Kitaip tariant, išmoksti tik tai, kas tikrai pravers tavo darbe.

Nemokama dalis - 1 savaitė

Nemokamas įvadas: Python ir duomenų analizės pagrindai

Išmokite pagrindinių duomenų analizės sąvokų ir supraskite, ką daro duomenų analitikai ir duomenų mokslininkai.

• Maskvos katnamikai. Duomenų rodymas ekrane. CSV failai. Darbas su stalais. Šilumos žemėlapiai. Stulpelio padauginimas iš sveikojo skaičiaus.
• Klaidos kode. Sintaksės klaidos. Pavadinimo klaidos. Klaidos dalijant iš nulio. Klaidos importuojant modulį.
• Kintamieji ir duomenų tipai. Kintamieji. Duomenų tipai. Aritmetiniai veiksmai su skaičiais ir eilutėmis.
• Kaip iškelti hipotezes. Hipotezės. HADI ciklai. Analitinis mąstymas. Grafikų skaitymas.
• Ką daro duomenų mokslininkai. Analitiko užduotys. Užduočių išaiškinimas. Skilimas. Projekto etapai.
• Konversijų tikrinimas. Konversija. Duomenų tyrinėjimas. Išvadų formavimas.
• Reklaminių kampanijų atsipirkimas. Stulpelių diagrama. Elementų skirtumas. Indeksavimas stulpeliuose.
• Mašininis mokymasis ir duomenų mokslas. Mašininio mokymosi mokymai. Unikalių verčių radimas stulpeliuose. Loginis indeksavimas. Vertybių grupavimas lentelėje. Numatymo klaidos.
• Baigiamasis projektas. Vartotojo segmentavimas.
PythonPandas KlaidosSeabornHypotesesKonversijosKintamiejiDuomenų tipai Šilumos žemėlapiai

1 sprintas 3 savaites

Pagrindinis Python

Pasinerkite į Python programavimo kalbą ir Pandas biblioteką.

• Kintamieji ir duomenų tipai. Python kalba. Kintamieji. Duomenų rodymas ekrane. Objektų rodymas ekrane. Apdorojant klaidą, pabandykite... išskyrus operatorių. Duomenų tipai. Duomenų tipų konversijos.
• Linijos. Rodyklės eilutėse. Linijų pjūviai. Operacijos su stygomis. Styginių metodai. Stygų formatavimas, format() metodas, f-stygos.
• Sąrašai. Indeksai sąrašuose. Išvardykite griežinėlius. Elementų įtraukimas į sąrašą. Sąrašo elementų pašalinimas. Sąrašų sudėjimas ir dauginimas. • Sąrašų rūšiavimas. Ieškokite elementų sąraše. Eilutės padalijimas į eilučių sąrašą, eilučių sąrašo sujungimas į eilutę.
• Kilpai. Ciklai. Elementų išvardijimas. Iteravimas per elementų indeksus. Sąrašo elementų apdorojimas kilpomis: elementų sumos ir sandaugos radimas.
• Įdėtieji sąrašai. Peržiūra įdėtuosius sąrašus su skaičiavimo reikšmėmis. Elementų įtraukimas į įdėtus sąrašus. Įdėtųjų sąrašų rūšiavimas.
• Sąlyginis operatorius. Nors kilpa. Būlio duomenų tipas. Būlio reikšmės. Loginės išraiškos. Sudėtinės loginės išraiškos. Sąlyginis teiginys jei...elif...kitaip. Išsišakojimas. Sąrašų filtravimas naudojant sąlyginį operatorių. Nors kilpa.
• Funkcijos. Funkcijų priskyrimas. Parametrai ir argumentai. Parametrai su numatytosiomis reikšmėmis. Poziciniai ir įvardyti argumentai. Funkcijos rezultato grąžinimas.
• Žodynai. Raktai ir vertybės. Reikšmės paieška pagal raktą. Elementų įtraukimas į žodyną. Žodynų sąrašas. Graži žodynų produkcija.
• Pandų biblioteka. Csv failų skaitymas. Duomenų rėmelis. Duomenų rėmelio konstruktorius. Pirmosios ir paskutinės duomenų rėmelio eilučių spausdinimas. Indeksavimas duomenų rėmeliuose. Indeksavimas serijos stulpeliuose.
• Išankstinis duomenų apdorojimas. GIGO principas. Duomenų rėmelio stulpelių pervardijimas. Trūkstamų verčių tvarkymas. Aiškių ir numanomų dublikatų tvarkymas.
• Duomenų analizė ir rezultatų pateikimas. Duomenų grupavimas. Duomenų rūšiavimas. Aprašomosios statistikos pagrindai.
• Jupyter Notebook – bloknotas langelyje. Jupyter Notebook sąsaja. Jupyter Notepad spartieji klavišai.
CiklosPitonas PandosEilutėsSąrašaiFunkcijosŽodynaiDuomenų rėmelio kintamiejiDuomenų tipaiSąlyginis teiginys
Projektas
Palyginkite „Yandex Music“ naudotojų duomenis pagal miestą ir savaitės dieną.

2 sprintas 2 savaites

Išankstinis duomenų apdorojimas

Išmokite išvalyti duomenis nuo nukrypimų, praleidimų ir pasikartojančių duomenų, taip pat konvertuoti skirtingus duomenų formatus.

• Darbas su leidimais. Konversija. Slapukai. Kategoriniai ir kiekybiniai kintamieji. Kategorinių kintamųjų spragų tvarkymas. Kiekybinių kintamųjų spragų tvarkymas. Kiekybinių kintamųjų spragų tvarkymas pagal kategorijas.
• Duomenų tipų keitimas. „Excel“ failų skaitymas. Konvertuoti serijas į skaitmeninį tipą. Skaičių modulis, abs() metodas. Darbas su data ir laiku. Apdorojant klaidą, pabandykite... išskyrus operatorių. Duomenų rėmelių sujungimas, merge() metodas. Pivot lentelės.
• Ieškoti dublikatų. Ieškokite dublikatų, skiriamos didžiosios ir mažosios raidės.
• Duomenų skirstymas į kategorijas. Lentelių skaidymas. Suskirstymas į kategorijas pagal skaitinius diapazonus. Suskirstyti į kategorijas pagal kelias reikšmes vienoje eilutėje.
• Sistemingas ir kritinis mąstymas analitiko darbe. Sisteminis mąstymas. Duomenų klaidų priežastys. Kritinis mąstymas.
PythonPandasGap apdorojimasDuomenų apdorojimasDubliuotas apdorojimasDuomenų kategorizavimas
Projektas
Išanalizuoti duomenis apie banko klientus ir nustatyti kreditingų klientų dalį.

3 sprintas 2 savaites

Tiriamoji duomenų analizė

Išmokite tikimybių ir statistikos pagrindus. Naudokite juos norėdami ištirti pagrindines duomenų savybes, ieškoti modelių, pasiskirstymo ir anomalijų. Susipažinkite su Matplotlib biblioteka. Nubraižykite diagramas ir praktikuokite analizuoti grafikus.

• Pirmieji grafikai ir išvados. Suvestinių lentelių naudojimas. Juostinė diagrama. Paskirstymai. Diapazono diagrama.
• Duomenų pjūvių tyrimas. Query() metodas. Darbas su data ir laiku. Grafikų braižymas naudojant plot() metodą. Occamo skustuvas.
• Darbas su keliais duomenų šaltiniais. Duomenų pjūvis, pagrįstas išoriniais objektais. Naujų stulpelių įtraukimas į duomenų rėmelį. Duomenų pridėjimas iš kitų duomenų rėmelių. Stulpelių pervadinimas. Lentelių derinimas naudojant merge() ir join() metodus.
• Duomenų santykiai. Taškinė diagrama. Kintamųjų koreliacija. Sklaidos matrica.
• Rezultatų patvirtinimas. Grupių konsolidavimas. Duomenų skirstymas į grupes.
PythonPandasMatplotlibHistogramsData SlicesDuomenų analizėScatterplotScatterplotDuomenų vizualizacija aprašomoji statistika
Projektas
Naršykite nekilnojamojo turto Sankt Peterburge ir Leningrado srityje pardavimo skelbimų archyvą.

4 sprintas 3 savaites

Statistinių duomenų analizė

Išmokti analizuoti duomenų ryšius naudojant statistinius metodus. Sužinokite, kas yra statistinis reikšmingumas ir hipotezės.

• Kombinatorika. Deriniai. Daugybos taisyklė. Pertvarkymai. Permutacijų skaičius. Vietos. Vietų skaičius. Deriniai. Derinių skaičius.
• Tikimybių teorija. Eksperimentuokite. Tikimybių erdvė. Renginiai. Tikimybė. Susikertantys ir vienas kitą paneigiantys įvykiai. Eulerio-Venno diagrama. Didelių skaičių dėsnis.
• Aprašomoji statistika. Kategoriniai ir kiekybiniai kintamieji. Režimas ir mediana. Vidutinė vertė. Sklaida. Standartinis nuokrypis. Kvartiliai ir procentiliai. Diapazono diagrama. Stulpelių diagrama. Dažnio tankis. Juostinė diagrama.
• Atsitiktiniai kintamieji. Diskretus atsitiktinis dydis. Diskretaus atsitiktinio dydžio tikimybių skirstinys. Diskretaus atsitiktinio dydžio kaupiamoji funkcija (paskirstymo funkcija). Matematinis diskretinio atsitiktinio dydžio lūkestis. Diskretinio atsitiktinio dydžio sklaida.
• Paskirstymai. Bernoulli eksperimentas. Binominis eksperimentas. Binominis skirstinys. Nuolatinis vienodas paskirstymas. Normalus skirstinys. Standartinis normalusis skirstinys. CDF ir PPF normaliam pasiskirstymui. Puasono pasiskirstymas. Vieno pasiskirstymo aproksimavimas pagal kitą.
• Hipotezių tikrinimas. Bendra populiacija. Pavyzdys. Mėginių paskirstymas. Centrinės ribos teorema. Vienpusės ir dvipusės hipotezės. P vertė. Vienpusių ir dvipusių hipotezių tikrinimas vienai imčiai. Hipotezės apie dviejų bendrųjų populiacijų vidurkių lygybę tikrinimas. Priklausomų imčių vidurkių lygybės hipotezės tikrinimas.
ScipyNumpyPithonPandasMatplotlibCombinatoricsPaskirstymaiHipotezių tikrinimasTikimybių teorija
Projektas
Išbandykite motorolerių nuomos paslaugų hipotezes, kad padėtumėte plėsti savo verslą.

Papildomas sprintas

Tikimybių teorija

Prisiminkite arba atpažinkite pagrindinius tikimybių teorijos terminus: nepriklausomi, priešingi, nesuderinami įvykiai ir kt. Naudodamiesi paprastais pavyzdžiais ir smagiomis problemomis, praktikuosite darbą su skaičiais ir sprendimų logikos kūrimą.

Tai neprivalomas sprintas. Tai reiškia, kad kiekvienas studentas pats pasirenka vieną iš variantų:
• Įsisavinkite papildomą 10 trumpų pamokų sprintą, susigrąžinkite teoriją ir spręskite problemas.
• Atidarykite tik bloką su interviu užduotimis, prisiminkite praktiką be teorijos.
• Visiškai praleiskite kursą arba grįžkite į jį, kai bus laiko ir poreikio.
Python Įvykiai TikimybiųBayeso teoremaAtsitiktiniai kintamiejiTikimybių teorijaStatistinė duomenų analizė

5 sprintas 1 savaitė

Galutinis pirmojo modulio projektas

Sužinokite, kaip atlikti preliminarų duomenų tyrimą ir suformuluoti bei patikrinti hipotezes.
ScipyNumpyPythonPandasMatplotlibDuomenų analizėHipotezės tikrinimasDuomenų apdorojimas
Projektas
Raskite žaidimų pardavimo duomenų modelius.

6 sprintas 2 savaites

Pagrindinis SQL

Išmokite struktūrinių užklausų kalbos SQL ir reliacinės algebros pagrindus dirbant su duomenų bazėmis. Susipažinkite su darbo populiaria duomenų bazių valdymo sistema (DBVS) PostgreSQL ypatybėmis. Išmokite rašyti įvairaus sudėtingumo užklausas ir versti verslo problemas į SQL. Dirbsite su internetinės parduotuvės, kurios specializacija yra filmai ir muzika, duomenų baze.

• Supažindinimas su duomenų bazėmis. Duomenų bazių valdymo sistemos (DBVS). SQL kalba. SQL užklausos. SQL užklausų formatavimas.
• Duomenų pjūviai SQL. Duomenų tipai PostgreSQL. Duomenų tipo konvertavimas. WERE sąlyga. Loginiai operatoriai. Duomenų skiltelės. Operatoriai IN, LIKE, TARP. Darbas su data ir laiku. Trūkstamų verčių tvarkymas. Sąlyginė CASE konstrukcija.
• Agregavimo funkcijos. Duomenų grupavimas ir rūšiavimas. Matematinės operacijos. Agregavimo funkcijos. Duomenų grupavimas. Duomenų rūšiavimas. Filtravimas pagal apibendrintus duomenis, operatorius HAVING.
• Ryšiai tarp lentelių. Lentelių sujungimų tipai. ER diagramos. Laukų ir lentelių pervadinimas. Pseudonimai. Lentelių sujungimas. Sujungimų tipai: VIDINIS PRIJUNGIMAS, KAIRIS PRIJUNGIMAS, DEŠINIS PRIJUNGIMAS, VISAS IŠORINIS PRIJUNGIMAS. Alternatyvūs sąjungų tipai UNION ir UNION ALL.
• Papildomos užklausos ir bendrosios lentelės išraiškos. Papildomos užklausos. Papildomos užklausos FROM. Papildomos užklausos WHERE. Sujungimų ir antrinių užklausų derinys. Bendrosios lentelės išraiškos (CTE). Prašymų kintamumas.
SQLDBMSPostgreSQL antrinės užklausosDuomenų bazėsSQL užklausos Duomenų filtravimas Duomenų rūšiavimas Duomenų grupavimas Duomenų sujungimo lentelės Įprastos lentelių išraiškos
Projektas
Į duomenų bazę, kurioje saugomi duomenys apie rizikos investuotojus, startuolius ir investicijas į juos, rašysite įvairaus sudėtingumo užklausas.

7 sprintas 3 savaites

Verslo rodiklių analizė

Sužinokite, kokios metrikos yra versle. Išmokite naudoti duomenų analizės įrankius versle: kohortos analizę, pardavimo kanalą ir vieneto ekonomiką.

• Metrika ir kanalai. Konversija. Piltuvėliai. Rinkodaros kanalas. Įspūdžiai. Paspaudimai. PR. Produkto piltuvas.
• kohortos analizė. Vartotojo profilis. išlaikymo rodiklis. Nutraukimo greitis. Analizės horizontas. Kohortos analizės vizualizacija. Atsitiktinių kohortų išlaikymo analizė. Konversija atliekant kohortos analizę. Metrikos skaičiavimas Python.
• Vieneto ekonomika. Metrika LTV, CAC, IG. ARPU, ARPPU. Metrikos skaičiavimas Python. Išplėstinė metrikų vizualizacija. Sharey parametras. Kintantis vidurkis.
• Pasirinktinė metrika. Vartotojo aktyvumo vertinimas. Vartotojo sesija. Anomalijos tyrimas.
Metrika kanalaiKonversijos vieneto ekonomikaKohortos analizėProdukto metrikaRinkodaros metrika
Projektas
Remdamiesi duomenimis, supraskite vartotojų elgesį, taip pat analizuokite klientų pelningumą ir reklamos IG, kad pateiktumėte rekomendacijas rinkodaros skyriui.

8 sprintas 2 savaites

Išplėstinė SQL

Išklausysite papildomą darbo su duomenų bazėmis kursą ir tapsite dar arčiau verslo. Naudodami SQL kalbą analizuosite pagrindinių verslo metrikų, su kuriomis susipažinote „Verslo rodiklių analizės“ sprinte, skaičiavimą. Apsvarstykite galimybę dirbti su sudėtingu įrankiu, pvz., lango funkcijomis. Išmokite keisti duomenų bazių turinį vietoje, be simuliatoriaus, naudodami specialias Python kliento programas ir bibliotekas.

• Verslo rodiklių skaičiavimas. Duomenų schema. Konversija. LTV. ARPU. ARPPU. IG. Skaičiavimas naudojant SQL.
• Lango funkcijų agregavimas. OVER išraiška. SKYRIUS BY lango parametras.
• Langų reitingavimo funkcijos. Reitingavimo funkcijos. Langų ORDER BY operatorius. ROW_NUMBER(). RANK (). DENSE_RANK(). NTILE(). Langų operatoriai kartu su reitingavimo funkcijomis.
• Langų poslinkio funkcijos. Kaupiamosios vertės. Poslinkio funkcijos. VADOVAUTI(). VVG(). Langų funkcijos ir slapyvardžiai.
• kohortos analizė. Išlaikymo rodiklis, atsisakymo rodiklis. LTV.
• Duomenų bazės ir duomenų bazės kliento diegimas ir konfigūravimas. Duomenų bazės klientas. „PostgreSQL“ diegimas. DBeaver diegimas. DBeaver sąsaja. Duomenų bazės kūrimas. Duomenų bazės iškelties diegimas. Įkeliami užklausos rezultatai. Užklausos rezultatų pristatymas.
SQLDBMSMetricsPostgreSQLduomenų bazėsSQL užklausosLangų funkcijosKohortos analizė
Projektas
Naudodami Python ir SQL, prisijunkite prie duomenų bazės, apskaičiuokite ir vizualizuokite pagrindines metrikas programavimo klausimų ir atsakymų paslaugų sistemoje.

9 sprintas 2 savaites

Sprendimų priėmimas versle

Sužinosite, kas yra A/B testavimas ir kokiais atvejais jis naudojamas. Išmokite kurti A/B testavimą ir įvertinti jo rezultatus.

• Hipotezių tikrinimo versle pagrindai. Pagrindiniai rodikliai. Eksperimentų pagrindai. Hipotezių generavimas. Metrikos prioritetų nustatymas. Eksperimento atlikimo metodo pasirinkimas. Kokybiniai hipotezių tikrinimo metodai. Kiekybiniai hipotezių tikrinimo metodai. A/B testų privalumai ir trūkumai.
• Hipotezių prioritetų nustatymas. RICE karkasas. Pasiekimo parametras. Poveikio parametras. Pasitikėjimo parametras. Pastangų parametras.
• Pasiruošimas atlikti A/B testą. A/A testas. I ir II tipo klaidos. Statistinio testo galia. Statistinio testo reikšmingumas. Daugkartiniai palyginimai, klaidų tikimybės mažinimo metodai. Imties dydžio ir A/B testo trukmės apskaičiavimas. Grafinė metrikų analizė.
• A/B testo rezultatų analizė. Akcijų lygybės hipotezės tikrinimas. Shapiro-Wilk testas duomenų normalumui patikrinti. Neparametriniai statistiniai testai. Mann-Whitney testas. Kaupiamųjų metrikų stabilumas. Išskirtinių ir sprogimų analizė.
• Elgesio algoritmai. Faktai, emocijos, vertinimai. Paaiškinkite savo požiūrį.
A/B testavimas Hipotezių prioritetų nustatymas Pasiruošimas A/B testavimui A/B testavimo rezultatų analizė A/B testavimo rezultatų analizė
Projektas
Išanalizuokite A/B testavimo rezultatus didelėje internetinėje parduotuvėje.

10 sprinto 1 savaitė

Galutinis antrojo modulio projektas

Išmok pasitikrinti statistines hipotezes naudojant A/B testavimą ir parengti išvadas bei rekomendacijas analitinės ataskaitos formatu.
Pardavimo piltuvėlisA/B testavimasDuomenų apdorojimasTyrimo duomenų analizė
Projektas
Naršykite pardavimo kanalą ir analizuokite A/B testavimo rezultatus mobiliojoje programėlėje.

11 sprintas 2 savaites

Kaip papasakoti istoriją naudojant duomenis

Sužinosite, kaip teisingai pateikti savo tyrimo rezultatus naudojant grafikus, svarbiausius skaičius ir teisingą jų interpretaciją. Susipažinkite su Seaborn ir Plotly bibliotekomis.

• Kam, kaip, ką ir kodėl pasakyti. Tyrimo rezultato pristatymas. Tikslinė pasakotojo auditorija. Ką ir kodėl pasakyti duomenų analitikui.
• Seaborn biblioteka. Seaborn biblioteka kaip Matplotlib bibliotekos plėtinys. jointplot() metodas. Spalvų diapazonai. Diagramos stiliai. Paskirstymo vizualizacija.
• Siužetinė biblioteka. Interaktyvūs grafikai. Linijinė diagrama. Stulpelių diagrama. Skritulinė diagrama. Piltuvo diagrama.
• Duomenų vizualizavimas geoanalitikoje. Geoanalizė. Biblioteka Folium. Žemėlapio rodymas. Žymeklių su nurodytomis koordinatėmis nustatymas. Taškų grupių kūrimas. Pasirinktinės žymeklių piktogramos. Horopletas.
• Pristatymo ruošimas. Išvados remiantis tyrimu. Sezoniškumas ir išoriniai veiksniai. Absoliutinės ir santykinės vertės. Simpsono paradoksas. Prezentacijų konstravimo principai. Ataskaitos „Jupyter Notebook“.
PlotlyFoliumSeabornMatplotlibPresentationGeoanalyticsDuomenų vizualizacija
Projektas
Parengti rinkos tyrimą remiantis atvirais duomenimis apie viešojo maitinimo įstaigas Maskvoje, vizualizuoti gautus duomenis.

12 sprintas 2 savaites

Prietaisų skydelių kūrimas Tableau

Šiame sprinte dirbsite su Tableau BI sistema. Išmokite prisijungti prie duomenų ir juos modifikuoti, kurti įvairių tipų grafikus, surinkti prietaisų skydelius ir pristatymus.

• Darbo su Tableau pagrindai. BI sistemos. Tableau. Dokumento kūrimas. Dokumento išsaugojimas. Dokumento paskelbimas.
• Darbas su duomenų šaltiniais. Duomenų šaltinis. Duomenų sujungimas. Santykių metodas. Prisijungimo metodas. Maišymo metodas. Sąjungos metodas. Lentelės formato keitimas.
• Duomenų tipai. Pagrindiniai duomenų tipai. Išmatavimai. Priemonės. Darbas su data ir laiku. Rinkiniai. Grupės. Galimybės. Kintamųjų formato keitimas. Kintamieji matavimo pavadinimai, matavimo reikšmės, skaičius.
• Lentelės ir skaičiavimai. Lapo redagavimo sąsaja. Pivot lentelės. Apskaičiuoti laukai. LOD išraiškos.
• Filtrai ir rūšiavimas. Rūšiavimo priemonės. Rūšiavimo matmenys. Įdėtos rūšys. Rūšiavimas naudojant parametrą. Filtrai.
• Vizualizacijos. Vizualizacijos valdikliai. Šilumos žemėlapiai. Skritulinės diagramos. Stulpelių diagramos. Histogramos. Diapazono diagramos. Sklaidos diagrama. Linijiniai grafikai. Kombinuoti grafikai. Ploto diagramos.
• Specialios vizualizacijos ir patarimai. Kortelės. Simbolių žemėlapis. Burbulų diagrama. Medžių žemėlapis. Apskritimo vaizdų diagramos. Kulkų diagramos. Ganto diagramos. Išmatuokite pavadinimus ir matuokite reikšmes vizualizacijose. Atvirkštinės inžinerijos. Patarimai. Patarimai su vizualizacijomis. Slenkstinės reikšmės diagramose. „Custom“ analizės įrankiai.
• Pristatymai. Papildomos parinktys. Tipinių parametrų tyrimas. Prezentacijos kūrimas.
• Prietaisų skydeliai. Duomenų įkėlimas ir paruošimas. Vizualizacijos ruošimas. Prietaisų skydelio surinkimas. Veiksmai. Prietaisų skydelio demonstravimas. Informacijos suvestinės publikavimas.
TableauDashboardsBI-toolsBI-toolsDuomenų vizualizacija
Projektas
Ištirkite TED konferencijų istoriją ir pagal gautus duomenis sukurkite informacijos suvestinę „Tableau“.

Papildomas sprintas

Mašininio mokymosi pagrindai

Susipažinkite su mašininio mokymosi pagrindais ir sužinokite apie pagrindines mašininio mokymosi užduotis versle.
PythonPandasSklearnMašininis mokymasisMašininio mokymosi užduotysMašininio mokymosi algoritmai

Papildomas sprintas

Praktikuokite Python

Išklausysite keletą laboratorinių užsiėmimų su papildomomis užduotimis Python programavimo kalba. Taip pat sužinosite, kaip išgauti duomenis iš žiniatinklio išteklių.

Tu darysi:
• HTML puslapių struktūroje ir GET užklausų veikime,
• išmokti rašyti paprastas reguliarias išraiškas,
• susipažinti su API ir JSON,
• pateikti keletą užklausų svetainėms ir rinkti duomenis.
JSONPythonREST API žiniatinklio grandymas

13 sprintas 3 savaites

Baigimo projektas

Paskutiniame projekte patvirtinkite, kad įvaldėte naują profesiją. Išsiaiškinkite kliento užduotį ir pereikite visus duomenų analizės etapus. Dabar nėra nei pamokų, nei namų darbų – viskas kaip tikrame darbe.

Į finalinį sprintą įeina projektinis darbas, A/B testavimas ir SQL užduotys bei papildoma užduotis. Projekte pateikiamas problemos išdėstymas, laukiamas rezultatas, duomenų rinkinys ir jų aprašymas.

Užduotis yra susijusi su viena iš penkių verslo sričių:
• bankai,
• mažmeninė,
• žaidimai,
• mobiliosios programos,
• elektroninė prekyba.

Įprasto projekto žingsnių aprašymo nebus. Per juos dirbsite patys.
SQ LPython PandasTableau Dashboards Postgre SQL Decomposition A/B testavimas