Онлайн-курс Аналитик данных

• Что такое Data Analytics и зачем это бизнесу
• Типичные задачи Data Analyst
• Различия в интерпретации задач
• Взаимосвязи с Data Science, BI, бизнесом
• Необходимые навыки и тенденции в сфере Data
• Практические кейсы и примеры

• Основы Excel для аналитика: ключевые функции и сводные таблицы
• Power Query и Power Pivot для обработки больших данных
• Бизнес-кейс: расчет юнит-экономики

• Введение в базы данных
• Настройка рабочей среды: взаимодействие с БД
• Базовые запросы: SELECT, WHERE, LIMIT, AND/OR/NOT, CASE/IN/ANY/BETWEEN
• Объединение данных: JOINS (LEFT, RIGHT, FULL, SELF), JOIN vs UNION
• Агрегация и группировка: Aggregate Functions, GROUP BY/ORDER BY/DISTINCT, WHERE vs HAVING
• Продвинутые возможности с использованием оконных функций
• Практика и отработка навыков

• Введение в Python и Jupyter Notebook
• Основы программирования на Python
• Простые типы данных
• Логический тип и условные операторы

• Списки и методы работы с ними
• Кортежи, множества и другие типы
• Словари

• Компактные конструкции: List / Dict / Set comprehensions, Lambda-функции
• Эффективная работа с последовательностями и стиль кода (PEP 8)

• Знакомство с Pandas
• Индексация и первичный анализ
• Трансформация данных
• Группировка и агрегация
• Взаимодействие с внешними источниками: работа с базами данных и API Google таблиц

• Понятие Airflow
• Практический кейс по автоматизации с использованием Airflow

• Основные понятия. Классическое определение вероятности. Комбинаторика
• Сложение и умножение вероятностей. Формула Байеса
• Разбор задач по теории вероятностей с собеседований

• Определение случайной величины
• Виды распределений дискретных случайных величин
• Непрерывные распределения
• Нормальное распределение
• Корреляция случайных величин
• Работа с распределениями в Python

• Выборочные оценки параметров
• Проверка статистических гипотез
• Оценка любого параметра выборки
• Практика проверки статистических гипотез в Python.

• Что такое A/B-тестирование
• Типы метрик в A/B-тесте
• Дизайн A/B-теста
• Оценка результатов A/B-теста
• Презентация результатов A/B-теста

• Аналитический подход к бизнесу
• Основные метрики продукта, построение воронок и анализ пользовательского пути
• Когортный анализ
• Юнит-экономика для разных бизнес-моделей
• Практические кейсы на исследование бизнес-показателей с применением Python
• Решение продуктовых кейсов: структура ответа и типичные ошибки

• Power BI Desktop и Power BI Service
• Подключение к источникам данных (Excel, CSV, БД)
• Моделирование данных и DAX
• Визуализация и дашборды
• Написание запросов на DAX

• Основы RFM-Анализа
• Кластеризация с практическим кейсом

• Этические аспекты в анализе данных
• Собеседование в вебинарном формате
• Проведение лайвкодинг-секции, подведение итогов обучения

Сертификат школы; на тарифе «Оптимальный» — также удостоверение о повышении квалификации