Войти
<p>Введение в аналитику данных</p>

Введение в аналитику данных

Подробнее

О программе

Начните разбираться в принципах и методах анализа, визуализации и интерпретации данных

 

Аналитик данных (или дата-аналитик) — это специалист, который собирает, обрабатывает, изучает и интерпретирует данные. Его работа помогает принимать решения в бизнесе, управлении и науке. Обычно такие специалисты работают в компаниях, которые практикуют data-driven подход — ориентируются на данные и их анализ при принятии решений.

Программа курса поможет вам освоить принципы и методы анализа, визуализации и интерпретации данных. Вы изучите весь процесс анализа данных, от сбора и очистки данных до визуализации и передачи данных.

 

Полученные навыки предварительной обработки, очистки и визуализации данных с использованием таких инструментов, как Excel, Python, Tableau, Power BI, помогут вам начать свой путь в карьере аналитика данных.

 

О программе

Аналитик данных (или дата-аналитик) — это специалист, который собирает, обрабатывает, изучает и интерпретирует данные. Его работа помогает принимать решения в бизнесе, управлении и науке. Обычно такие специалисты работают в компаниях, которые практикуют data-driven подход — ориентируются на данные и их анализ при принятии решений.

Программа курса поможет вам освоить принципы и методы анализа, визуализации и интерпретации данных. Вы изучите весь процесс анализа данных, от сбора и очистки данных до визуализации и передачи данных.

Полученные навыки предварительной обработки, очистки и визуализации данных с использованием таких инструментов, как Excel, Python, Tableau, Power BI, помогут вам начать свой путь в карьере аналитика данных.

Зарплата Аналитика данных

 

 

Зарплата Аналитика данных

Чему вы научитесь

<p>Основы работы с данными</p>

Основы работы с данными

Начнете понимать структуры и содержание данных

#навыки

<p>Методы обработки данных</p>

Методы обработки данных

Овладеете навыками очистки, фильтрации и сортировки данных

#навыки

<p>Основы анализа данных</p>

Основы анализа данных

Изучите использование описательной статистики для исследования данных

#навыки

<p>Прогнозирование и предсказание</p>

Прогнозирование и предсказание

Научитесь анализировать данные для определения возможных сценариев развития событий

#навыки

<p>Основы машинного обучения</p>

Основы машинного обучения

Освоите применение алгоритмов и моделей для автоматизации процессов

#навыки

<p>Популярные библиотеки</p>

Популярные библиотеки

Pandas, NumPy, Matplotlib и Seaborn

#инструменты

<p>SQL</p>

SQL

MySQL, PostgreSQL, SQLite

#инструменты

<p>Платформы для анализа данных</p>

Платформы для анализа данных

Azure Databricks, Loginom, Yandex DataLens, Tableau, Power BI

#инструменты

<p>Библиотеки машинного обучения</p>

Библиотеки машинного обучения

scikit-learn, TensorFlow, Keras.

#инструменты

Программа обучения

Модуль 1. Основы языка Python

- Установка программного обеспечения и подключение к сервисам. Переменные и типы
- Условные и циклические операторы в языке Python
- Встроенные функции, строки, символы и регулярные выражения
- Списки, кортежи, множества и диапазоны
- Работа с датой и временем, обработка исключений
- Пользовательские функции
- Модули и пакеты
- Работа с файлами и каталогами
- Объектно-ориентированное программирование

 

Модуль 2. Введение в аналитику данных. Python для анализа данных

- Введение в сводные таблицы
- Применение сводных таблиц для маркетинговой сегментации
- Применение машинного обучение к данным в Google Таблицах
- Обзор типов данных Pandas
- Библиотеки визуализации данных Matplotlib, Seaborn, Altair, Autoviz, Plotly Express
- Применение pandas для анализа и обработки данных
- Разведочный анализ данных с использованием библиотек Pandas Profiling, Sweetviz, Dataprep, D-Tale
- Библиотеки автоматизации для разведочного анализа данных (Mitosheet, Bamboolib)

 

Модуль 3. Машинное обучение на Python

- Машинное обучение для решения задач Data Mining
- Алгоритмы построения деревьев решений
- Бустинг. AdaBoost и градиентный бустинг над решающими деревьями
- Введение в кластерный анализ. Фреймворки машинного обучения
- Анализ временных рядов
- Автоматическое машинное обучение

 

Модуль 4. Технологии формирования многомерной интерактивной отчетности

- Аналитические технологии Loginom
- Разработка дашбордов и проведение сторителлинга в Tableau Public
- Разработка интерактивных отчетов в Power BI
- Визуализация данных в Superset

Партнёр программы

 

 

ТДата – ведущий российский разработчик программного обеспечения для построения хранилища данных и аналитики. ТДата занимается разработкой, развитием и сопровождением продуктов платформы управления данными для коммерческих заказчиков и в интересах ПАО «Ростелеком».

Как проходит обучение

<p>Обучение проходит полностью дистанционно</p>

Обучение проходит полностью дистанционно

Доступ к личному кабинету слушателя и учебным материалам 24/7, возможность обучаться из любой точки мира.

<p>Обучение поделено на модули</p>

Обучение поделено на модули

Ваше обучение будет поделено на учебные модули (разделы). Каждый модуль включает в себя лекционный материал, вебинары с экспертом, практические задания для отработки и закрепления полученных знаний.

<p>Практические задания проверяются экспертами</p>

Практические задания проверяются экспертами

Выполненные практические задания проверяют наши эксперты, после чего вы получите обратную связь и рекомендации по доработке.

<p>Изучение каждого учебного модуля ограничено дедлайном</p>

Изучение каждого учебного модуля ограничено дедлайном

Изучение каждого учебного модуля ограничено "мягким" дедлайном (дата до которой рекомендовано выполнить все практические задания) и "жестким" дедлайном, после чего вам становится доступно изучение следующего модуля.

Ответы на вопросы

Мы рекомендуем уделять до 20 часов на обучение в неделю. Изучать материалы программы вы можете в любое время, главное — вовремя выполнять практические задания. 

Если у вас есть среднее профессиональное или высшее образование, по завершению обучения вы получите удостоверение о повышении квалификации установленного образца.

В начале обучения вы будете подключены к закрытому Telegram-чату, где сможете оперативно получить помощь от экспертов и команды поддержки, в случаях, если у вас возникнут сложности с изучением материалов.    

Для комфортного обучения на курсе вам подойдет ноутбук или стационарный компьютер, рекомендуемые требования:
• операционная система: Windows 10 или более поздняя версия (64-разрядная среда), macOS 11 или более поздняя версия;
• процессор: двухъядерный процессор с тактовой частотой 3.3 ГГц или выше;
• оперативная память: минимум 8 Гб, рекомендуется 16 Гб.