[karpov.courses] Аналитик данных. Часть 1 из 5 (Анатолий Карпов)

Для кого эта программа: - Старт карьеры. У вас нет опыта в анализе данных, но вы хотите начать карьеру в аналитике. Наш курс предполагает, что вы владеете математикой хотя бы на школьном уровне. Остальному научим мы! - Уже работаете в аналитике. Вы сможете дополнить арсенал своих знаний такими востребованными инструментами, как Airflow, Git, Command line, Tableau, и повысите свою ценность на рынке труда. Программа курса: 1. Python для работы с данными. Заложим фундамент: освоим основы программирования, познакомимся с библиотеками для анализа данных, визуализации и работы с файловой системой. Будет непросто, но крутые аналитики обязаны знать эти инструменты. С первого дня начнем работать на удалённом сервере, все по-настоящему! 1.1 Git Познакомимся с командной строкой и широко используемым инструментом контроля версий — Git. Обсудим базовые команды, научимся работать с репозиториями и увидим, как Git позволяет объединять деятельность множества разработчиков и аналитиков в работе над одним проектом. 2. SQL Освоим основы синтаксиса SQL. На примере ClickHouse научимся работать с системой управления базами данных и подключаться к ней с помощью Python. Начнем учиться грамотно визуализировать наши данные. 3. Теория вероятностей. В данном блоке мы познакомимся с основами теории вероятностей. Знания в этой области необходимы для более глубоко понимания прикладной статистики. 4. Статистика. Научимся планировать A/B тесты и проверять статистические гипотезы. Акцент будет сделан на приложении статистики к решению задач из индустрии. 5. А/В тесты. Практическое A/B тестирование подразумевает большую часть работы с математической статистикой. На лекциях рассмотрим основную проблематику экспериментов и закрепим полученные знания с помощью домашних заданий. 6. Визуализация. Важный навык аналитика — уметь правильно представлять результаты своей работы в виде интерактивного дашборда. Посмотрим, какие бывают типы дашбордов, научимся подбирать и оформлять графики под разные задачи, узнаем, на чём необходимо делать акценты при верстке, а также попрактикуемся собирать требования к дашборду от заказчика. Всё это сделаем в BI-системе Tableau. 7. Развитие продукта. Сформируем продуктовое видение и более глубокое понимание бизнеса и продукта. Научимся находить общий язык с продакт-менеджерами и поймём, каким образом можно использовать анализ данных для развития бизнеса. Также рассмотрим, как организована работа команд в IT-продуктах. 8. Продуктовая аналитика. Поймём, какую ценность может приносить аналитика и как объяснить её бизнесу. Научимся определять потребности пользователей продукта и сегментировать их, считать юнит-экономику, выбирать правильные продуктовые метрики и драйвить рост бизнеса с помощью непрерывной проверки гипотез. 9. Airflow. Ранее вы уже изучали, как можно решать задачи при помощи python, sql и других инструментов. Порой были такие задачи, которые нужно было делать ежедневно, например, следить за курсом акций, считать KPI или проверять успехи любимой ...