[Яндекс Практикум] Как стать аналитиком данных. Часть 4/6

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 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