Постер курса

OTUS

Python для аналитики

  • Начальный уровень
  • Наставник: Нет
  • Сертификат: Нет
  • Формат: Online
  • Рассрочка: Нет
  • Язык: Русский
  • Осталось мест: Неограничено
Записаться

Python для аналитики

Что даст вам этот курс


Программа направлена на тех, кто никогда не работал с кодом на Python, но хочет научиться писать скрипты для аналитики.


Курс для тех, кто хочет:


- Получать аналитические данные, создавать наглядные отчеты, строить дашборды и принимать верные решения на основе полученных данных
- Решать задачи, которые не под силу  популярным электронным таблицам с макросами
- Перейти с тяжёлого excel на более быстрые и эффективные инструменты, чтобы получать данные быстрее


Мы научим вас: 


- п олучать данные из БД и из множества файлов и подтягивать это все в отчеты ;
- о формлять отчеты с текстом и графикой ;
- я зыку программирования Python для аналитики ;
- с оздавать простейшее графическое представление данных ;
- о бращаться по API к сервисам и получать данные оттуда ;
- р аботать с Jupyter Notebook .


Вам подходит курс, если вы:


Аналитик
Научитесь анализировать данные с помощью различных инструментов Python и принимать решения на основе данных.

Маркетолог
Автоматизируете сбор и анализ данных о ваших конкурентах и пользователях и научитесь работать с SQL и HTML.

Менеджер
Научитесь работать с кодом и автоматизируете сбор данных из интернета, что станет аргументом для повышения в должности.

Начинающий Python-разработчик
Научитесь работать с данными и сможете дальше развиваться в Data Science или в аналитике.

 


Выпускной проект


Проектная работа будет представлять из себя получение данных, разведочный анализ , обогащение данных с помощью когортного, RFM или ABC анализа, построение модели машинного обучения.

Процесс обучения


Все обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в слаке курса, сдача домашних работ и получение обратной связи от преподавателя.

Вебинары проводятся 2 раза в неделю по 1,5 часа. На занятии вы можете задать вопросы преподавателю. Все вебинары сохраняются в записи в вашем личном кабинете. Вы можете посмотреть их в любое удобное для вас время.

Домашние задания даются один раз в 2 недели. Их выполнение занимает 3-5 часов. Задания помогают закрепить знания на практике. Вас будут поддерживать преподаватели и давать обратную связь.

Проектная работа. Последний месяц отводится для проектной работы. Вы построите аналитический дашборд на выбранную вами тему. Либо выберете тему из предложенных: маркетинговый анализ приложения, анализ планируемых постов в инстаграме (или любом другом блоге), аналитика по открытым данным – Covid, etc, аналитика данных, взятых из открытого ресурса.

Во время работы над проектом студенты получают консультации и обратную связь от преподавателей в слаке группы и на занятиях.
Программа обучения
Введение в Python
  • Тема 1. Знакомство с Jupyter Notebook, синтаксис Python
  • Тема 2. Итерируемые типы данных. Методы работы со списками, кортежами, словарями, множествами
  • Тема 3. Условные операторы, обработка исключений, циклы. Comprehensions, генераторы
  • Тема 4. Функции, области видимости, глобальные и локальные переменные, лямбда функции
  • Тема 5. Работа со строковыми данными. Регулярные выражения
  • Тема 6. Работа с файловой системой и модули
Библиотеки по работе с данными и визуализациями
  • Тема 7. Библиотека Numpy, вектора и матрицы
  • Тема 8. Библиотека Pandas, Series и Dataframe, методы для работы с ними
  • Тема 9. Основы статистики, статистические отчеты
  • Тема 10. Визуализация в Matplotlib, Seaborn, Plotly
  • Тема 11. Разбор кейса. Разведочный анализ данных (EDA) на примере
  • Тема 12. Q&A (разбор домашних заданий)
Практики. Продуктовая и маркетинговая аналитика
  • Тема 13. Введение в продуктовую аналитику на Python. Метрики и методы
  • Тема 14. Когортный анализ. Работа с датами и библиотекой dt
  • Тема 15. RFM - анализ
  • Тема 16. ABC - XYZ анализ
  • Тема 17. Проверка гипотез. A/B тестирование
Работа с базами данных, парсинг данных с сайтов, взаимодействие с API
  • Тема 18. Обзор про базы данных, SQL и теорию множеств. Таблицы, представления, простые выборки, функции
  • Тема 19. Join, exists, вложенные запросы, group by, having. Индексы и план запроса
  • Тема 20. Оконные функции в SQL, виды и область применения
  • Тема 21. HTTP. Обзор по работе с HTTP в Python. Библиотеки, requests
  • Тема 22. Парсинг данных из HTML
  • Тема 23. Работа с JSON, работа с CSV и xls
Основы машинного обучения в Python
  • Тема 24. Введение в машинное обучение. Обучение с учителем/без учителя. Бибилиотека Scikit-learn
  • Тема 25. Линейная регрессия, Построение модели и метрики
  • Тема 26. Логистическая регрессия. Построение модели и метрики
  • Тема 27. Кластеризация. Построение модели и метрики
  • Тема 28. Q&A (разбор домашних заданий)
Проектная работа
  • Тема 29. Выбор темы и организация проектной работы
  • Тема 30. Консультация по проектам и домашним заданиям
  • Тема 31. Защита проектных работ
  • Тема 32. Подведение итогов курса
Что нужно знать?
  • понимание, как вам пригодятся данные и аналитика
  • владение языком формальной логики
  • знание основ статистики
Знания и навыки, которые приобретете
  • Сможете настраивать, устранять неполадки и защищать корпоративные сетевые устройства
  • Будете разбираться в интерфейсах прикладного программирования (API) и инструментах управления конфигурацией, которые делают возможной автоматизацию сети

Преподаватели

  • Светлана Медведева

  • Роман Козлов

    ГКУ "Новые технологии управления", ведущий аналитик

    Аналитик Big Data/системный аналитик с большим опытом работы в государственных структурах Правительства Москвы.Работал в органах исполнительной власти города Москвы, подведомственных учреждениях Комплекса городского хозяйства и Социальной защиты. Возглавлял работу мониторингово-аналитического управления, занимающегося контролем работы коммунально-уборочной техники. В настоящее время реализую проекты, связанные с цифровизацией адресной социальной помощи 65+ населения города Москвы.Среди реализуемых проектов — информационная система Контакт Центр «Социальная защита», который позволяет удаленно получать адресную помощь в виде лекарственных средств, продуктов питания и товаров первой необходимости. Руководитель программы

  • Андрей Варкентин

    Профессиональный опыт: 2+ года работы Data Scientist-ом. Анализировал рекламные кампании в маркетинге и обнаруживал признаки банкротств организаций в финансовой отрасли. Основные языки – Python, R. Академический опыт: бак/маг/асп@МГУ, Research [email protected], Master of [email protected] Leuven Преподаватель