[Яндекс Практикум] Как стать аналитиком данных. Часть 1,2,3,4,5,6 (2021)

Описание

[Яндекс Практикум] Как стать аналитиком данных. Часть 1,2,3,4,5,6 (2021)

Все 6 из 6-ти частей курса “Как стать аналитиком данных“.

Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. На курсе мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

71,1% выпускников трудоустраиваются
Мы делаем всё, чтобы студенты нашли новую работу после обучения: выдаём официальный диплом, учим собирать портфолио проектов, помогаем с поиском работы.

71,1% выпускников находят работу, большинство из них — за 4 месяца после выпуска. Институт образования НИУ ВШЭ подтвердил данные через исследование трудоустройства выпускников.

Часть 1

Часть 2

Исследовательский анализ данных

• Первые графики и выводы
  • Введение
  • Знакомство с задачей
  • Сводные таблицы для расчета среднего
  • Применяем сводные таблтицы
  • Есть ли проблемы в данных?
  • Базовая проверка данных
  • Гистограмма
  • Гистограмма для двух кубиков
  • Распределения
  • Диаграмма размаха
  • Диаграмма размаха в Python
  • Описание данных
  • Заключение
• Изучение срезов данных
  • Введение
  • Срезы данных методом query()
  • Возможности query()
  • Срезы в действии
  • “Слишком долгая” заправка – это сколько?
  • Работа с датой и временем
  • Графики
  • Группировка с pivot_table()
  • Помечаем срез данных
  • Сохраняем результаты
  • Заключение
• Работа с несколькими источниками данных
  • Введение
  • Срез по данным из внешнего словаря
  • Срез по данным из внешнего словаря (продолжение)
  • Добавляем столбец
  • Добавляем столбец(продолжение)
  • Объединяем данные из двух таблиц
  • Переименование столбцов
  • Объединение столбцов методом merge() и join()
  • Заключение.
• Взаимосвязь данных
  • Введение
  • Диаграмма рассеяния
  • Корреляция
  • Матрица диаграмм рассеяния
  • Как выжать максимум из очевидности
  • Заключение
• Валидация результатов
  • Введение
  • Укрупняем группы
  • Разбитые по группам данные
  • Заключение
    Проектная работа (Проект)

Часть 3

Статический анализ данных

• Описательная статистика
  • Введение
  • Непрерывные и дискретные переменные
  • Гистограммы частот
  • Гистограммы часто для непрерывной переменной
  • Гистограммы плотностей
  • Характеристика положений
  • Кто разбросал данные?
  • Дисперсия
  • Стандартное отклонение
  • Скошенность наборов данных
  • Заключение
• Теория вероятностей
  • Введение
  • Эксперименты, элементарные исходы, события
  • Закон больших чисел
  • Взаимоисключающие и независимые события, умножение вероятностей
  • Случайные величины, распределение вероятностей и интервалы значений
  • Математическое ожидание и дисперсия
  • Вероятность успеха в биномиальном эксперименте
  • Биномиальное распределение
  • Нормальное распределение
  • Нормальная аппроксимация биномиального распределения
  • Заключение
• Проверка гипотез
  • Введение
  • Случайная выбора и выборочное среднее
  • Формулирование двусторонних гипотез
  • Формулирование односторонних гипотез
  • Гипотеза о равенстве средних двух генеральных совокупностей
  • Гипотезы о равенстве средних для зависимых (парных) выборок
  • Заключение
• Проектная работа (Проект)
• Заключение
• Сборный проект
  • Итоги первого модуля
  • Работа с документацией
  • Проектная работа (Проект)
  • Заключение.

Часть 4

Сбор и хранение данных

• Извлечение данных из веб-ресурсов
  • Введение
  • Что такое Web Mining
  • Что аналитик должен знать об интернете? Браузер. HTML. HTTP.
  • Что такое транспортный протокол
  • Введение в HTML
  • Инструменты разработчика
  • Ваш первый get-запрос
  • Регулярные выражения
  • Парсинг HTML
  • API
  • JSON
  • Заключение
• SQL как инструмент работы с данными.
  • Введение
  • Базы данных и таблицы
  • Таблицы
  • Ваш первый SQL-запрос
  • Срезы данных в SQL
  • Агрегирующие функции
  • Изменение типов
  • Заключение
• Расширенные возможности для аналитика в SQL
  • Введение
  • Группируем данные
  • Сортируем данные
  • Обработка данных в группировке
  • Операторы и функции для работы с датами
  • Подзапросы
  • Заключение
• Отношение между таблицами
  • Введение
  • Типы связей в таблицах
  • ER-диаграммы
  • Приятно познакомится, таблицы!
  • Типовые роли пользователей без данных
  • Поиск пропусков в данных
  • Поиск данных в таблице
  • JOIN. INNER JOIN
  • Внешнее объединение таблиц. LEFT JOIN
  • Внешнее объединения таблиц. RIGHT JOIN
  • Объединение нескольких таблиц
  • Агрегация в запросах JOIN
  • Объединения запросов
  • Заключение
• Контекст и проработка запроса
  • Введение
  • Контекст задачи
  • Проработка запроса
  • Доработка результата
  • Заключение
• Проект
  • Итоги курса
  • Описание проекта
  • Парсинг данных
  • Работа с базой данных
  • Работа с данными в Python.
• Заключение
• Анализ бизнес-показателей
  • Метрики и воронки
    • Введение
    • Доходы, прибыль и возврат на инвестиции
    • Конверсии
    • Воронки
    • Маркетинговая воронка: показы, клики, СTR и CR
    • Маркетинговая воронка: группировка по неделям и месяцам.
    • Простая продуктовая воронка
    • Продуктовая воронка с учетом последовательности событий.
    • Заключение
  • Когортный анализ
    • Введение
    • Когортный анализ
    • Когортный анализ в Python
    • Оценка изменений абсолютных показателей по месяцам
    • Оценка изменения относительных показателей по времени жизни
    • Визуализация когортного анализа
    • Retention Rate и Churn Rate
    • Расчет Retention Rate в Python
    • Расчет Churn Rate в Python
    • Поведенческие когорты
    • Заключение
  • Юнит-экономика
    • Введение
    • Экономика одной продажи
    • Экономика одной продажи: строим модель
    • Экономика одного покупателя: LTV и CAC
    • Считаем экономику одного покупателя в интернет-магазине
    • Заключение.
  • Пользовательские метрики
    • Введение
    • Оценка пользовательской актиновсти
    • Пользовательская сессия
    • Фреймворки метрик
    • Расследование аномалий
    • Яндекс.Метрика
    • API Яндекс.Метрики
    • Работа с сырыми данными
    • Заключение
  • Проектная работа(проект)
  • Заключение

Часть 5

Принятие решений в бизнесе на основе данных

• Основы проверки гипотез в бизнесе
  • Введение
  • Что нужно бизнесу
  • Опережающие метрики. Декомпозиция
  • Определение важных метрик
  • База экспериментов
  • Оставить нельзя экспериментировать
  • Как генерировать идеи
  • Формулируем гипотезу правильно
  • Заключение
• Выбор метода проведения эксперимента
  • Введение
  • Методы проведения эксперимента
  • Качественные методы проверки гипотезы
  • Количественные методы проверки гипотезы. A/B-тест
  • Преимущества и недостатки A/B-теста
  • Пример результатов A/B-теста
  • Заключение
• Приоритизация гипотез
  • Введение
  • Зачем и как приоритизировать гипотезы
  • Параметр Reach
  • Параметр Impact
  • Параметр Confidence
  • Параметр Efforts
  • Заключение
• Подготовка к проведениею A/B-теста
  • Введение
  • A/A-тест
  • Ошибки I и II рода при проверке гипотез. Мощность и значимость
  • Множественные сравнения: A/B и A/B/n-тесты
  • Расчет размера выборки и длительности теста
  • Графический анализ метрик и определение предметной области
  • Заключение
• Анализ результатов A/B-теста
  • Введение
  • Проверка гипотезы о равенстве долей
  • Проверка данных на нормальность. Критерий Шапиро-Уилка
  • Непараметрический тест Уилкоксона-Манна-Уитни
  • Стабильность кумулятивных метрик
  • Анализ выбросов и всплесков: крайние значения данных
  • Анализ A/B-теста шаг за шагом
  • Долгожданные выводы из A/B-теста
  • Основные ошибки при анализе A/B-тестов
  • Заключение
• Поведенческие алгоритмы
  • Факты, эмоции и оценка
  • Умение внятно объяснить свою позицию
• Проектная работа(проект)
• Как рассказать историю с помощью данных
  • Подготовка презентации
    • Введение
    • Как рассказать о своем исследовании
    • Кому рассказывать истории
    • Сезонность и внешние факторы
    • Покупаем авиабилеты
    • Абсолютные и относительные величины
    • Парадокс Симпсона
    • Когда график – ваш враг
    • Виды графиков для различной информации
    • Основные принципы построения презентации
    • Отчет в Jupyter Notebook
    • Заключение
  • Библиотека Seaborn
    • Введение
    • Почему не хватате matplotlib?
    • Метод jointplot()
    • Цветовая гамма
    • Стили графиков
    • Категориальные данные
    • Визуализация распределения
    • Нестандартные графики в seaborn
    • Заключение
  • Библиотека plotly
    • Введение
    • Интерактивные графики
    • Установка Python и Jupyter Notebook
    • Базовые графики plotly.
    • Круговая диаграмма
    • График воронки
    • Заключение
  • Проектная работа (проект).
• Cборный проект – 2
  • Событийная аналитика

§ Введение
§ Что такое событийная аналитика
§ Принципы отслеживания событий
§ Приемы событийно аналитики
§ Aha-момент
§ Заключение

o Проектная работа (Проект)
o Заключение

Часть 6

Автоматизация

• Основы запуска скриптов
  • Введение
  • Основы работы с командной строкой
  • Доступ к командной строке на вашей локальной машине
  • Основные команды для работы с консолью
  • Настройка учетной записи в Яндекс.Облако
  • Установка Python на локальной машине
  • Запуск скрипта из командной строки
  • Запуск скрипта из командной строки в Яндекс.Облаке
  • Запуск скрипта по расписанию
  • Памятка по отладке cron.
  • Заключение
• Что такое дата-пайплайны и зачем они нужны
  • Введение
  • Дата-пайплайны для автоматизации дащбордов
  • Агрегация данных и создание таблиц в БД
  • Вертикальные и горизонтальные таблицы
  • Создание скрипта пайплайна
  • Заключение
• Проектирование и разработка дашбордов в dash.
  • Введение
  • Дашборды
  • Сбор требований при создании дашборда
  • Как создавать основные типы график в dash
  • Основы работы с элементами управления
  • Базовые элементы управления в dash
  • Элементы управления и интерактивность
  • Элементы дашборда
  • Разработка дашборда, основы композиции
  • Запуск дашборда на локальной машине
  • Запуск дашборда на виртуальной машине
  • Заключение
• Tableau
  • Введение
  • Начало работы с Tableau Public
  • Как работать с Tableau
  • Подготовка данных
  • Таблицы и простые вычисления
  • Фильтры
  • Публикация дашборда.
  • Простые графики
  • Линейные графики и области с накомлением
  • Специальный типы графиков
  • Сборка дашборда
  • Заключение
• Проектная работа
  • Часть 1. Составления технического задания
  • Часть 2. Создание дашборда
• Прогнозы и предсказания
  • Введение
  • Задачи машинного обучения в бизнесе
    • Введение
    • Что такое обучение?
    • Введение в прогнозирование и машинное обучение
    • Обучение с учителем
    • Обучение без учителя
    • Обучение модели в Python. Библиотека sklearn.
    • Тестовая, валидационная и обучающая выборки
    • Нелообучение и переобучение
    • Разделяй и валидируй
    • Пайпланй машинного обучения
    • Почему машинное обучение – не панацея?
    • Заключение
  • Алгоритм машинного обучения
    • Введение
    • Линейная регрессия и функция ошибки
    • Градиентный спуск
    • Предобработка. Масштабирование признаков
    • Регуляризация
    • Реализация линейный моделей
    • Метрики регресии
    • Логистическая регрессия
    • Метрики классификации. Работа с метками.
    • Метрики классификации. Смотрим на вероятности.
    • Порог и баланс классов
    • Дерево принятия решений
    • Ансамбль деревьев: случайный лест и градиентный бустинг.
    • Алгоритмы обучения без учителя: кластеризация
    • При чем здесь расстояние?
    • K-Means и агломеративная иерархическая кластеризация
    • Метрики для задачи обучения без учителя
    • Заключение
  • Процесс решения задач машинного обучения
    • Введение
    • Постановка задачи
    • EDA. Анализ качества признаков
    • EDA. Формулировка гипотез
    • Предварительная обработка данных
    • Random и time split.
    • Выбор метрик
    • Выбор модели машинного обучения
    • Обучаем модели и выбираем лучшую
    • Важность признаков
    • Заключение.
  • Проектная работа(Проект)
  • Заключение.

Автор курса: Яндекс Практикум

Сайт продажника: https://practicum.yandex.ru/data-analyst/

У нас Вы можете приобрести всего за 390 руб.