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

Kail · 06.11.2021

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