Введение в Data Science. Business Understanding. С чего начинается работа с данными. Data Understanding. Excel. Знакомство с основными направлениями Data Science, Введение в Python. Переменные и типы данных, условия, циклы, алгоритмы, функции. Коллекции в Python, чтение файлов в Python. Библиотека Pandas, Работа с данными: получение данных с помощью API, базы данных, язык запросов SQL, Power BI, Data Preparation, Разведочный анализ данных: Data Cleaning, Data Visualization, Feature Engineering, Метрики в аналитике. Продуктовая и маркетинговая аналитика, Алгоритмы и структуры данных. Модель как API. Мониторинг моделей. Airflow

Доступные источники данных, Аналитика на метриках. Подходы к оценке качества данных. Введение в формулирование гипотез, Визуализация в Excel. Объединение разнородных данных, требования к качеству данных, корреляция и факторы, Визуализация в Python. Формулирование гипотез по данным, SQL как инструмент формирования витрины данных, Очистка данных. Методы прогнозирования, A/B-тесты и их планирование, Данные и отчетность. Повышение качества данных, выявление закономерности в данных, прикладные программные продукты визуализации. Интерпретация результатов А/В-тестирования. Аналитическая отчетность и сторителлинг

Обработка данных, исследование взаимодействий пользователей с продуктом, интерпретация полученной информации. Собранные данные помогают решать задачи бизнеса

Настройка веб- и сквозной аналитики, создание воронки продаж, анализ поведения пользователей на сайте, гипотезы на основе полученных данных

Создание хранилищ данных, проектирование базы данных на языке SQL, работа с таблицами на продвинутом уровне. Решение бизнес-задач с помощью аналитики, очистка данных, правильное их хранение и визуализация в виде таблиц и дашбордов

Получите базовые знания по математике для работы с аналитикой. Научитесь работать с математическими сущностями в Python-библиотеке SymPy

Введение в теорию вероятностей. Поймете принципы работы со случайными величинами и событиями. Познакомитесь со статистическими тестами, которые полезны при составлении моделей и проверке гипотез

Gentle introduction. Теория вероятностей в Python. Научитесь применять основные принципы статистики при работе с задачами Data Science. Поймете, как устроены алгоритмы машинного обучения, как в них применяются математическая статистика и теория вероятностей