Аналитика данных

Научись решать сложные бизнес-задачи с помощью анализа данных и стань востребованным специалистом.
12 занятий, 48 ак.часов
Хочу учиться
Что дает курс

Курс поможет освоить навыки обработки, исследования и визуализации данных с помощью Python и применять математическую статистику для проведения углубленного анализа данных. Студенты научатся работать с источниками, тестировать продуктовые решения и проверять гипотезы, чтобы успешно применять знания в бизнес-процессах.

Какие знания нужны

Базовый уровень владения Python или любого другого языка программирования: переменные, операции, условные операторы, циклы, функции, ввод-вывод. Базовый уровень владения SQL: понимание, что такое базы данных и умение писать простые запросы. Базовые знания статистики: математическое ожидание, дисперсия, выборка, распределение, статистический критерий и P-value.

Как проходят занятия

Онлайн-интенсивы проходят в вечернее время. В конце каждой лекции студенты получают домашнее задание. Участники индивидуально работают над проектом и защищают его в конце курса.

Как поступить?

Регистрация
Заполни заявку и регистрируйся на курс до 25-го февраля включительно
Тестирование
Ссылка на тест придет на почту до 18:00 26-го февраля. Пройди тест до 18:00 28-го февраля
Зачисление
Письмо о зачислении придет на почту каждому студенту 3-го марта включительно
Начало обучения
Обучение начнется на неделе с 4-го марта по расписанию

Вопросы по обучению

Отборочный тест

Тест на базовые знания Python и SQL.

Требования к поступающим

Поступить могут студенты и аспиранты всех курсов и факультетов МФТИ.

Оборудование для обучения

Компьютер, возможность подключиться к беспроводной сети для выхода в сеть Internet.

Нагрузка в неделю

4 ак. часа в неделю без учета времени на выполнение домашнего задания.

Место проведения

Онлайн.

Стоимость обучения

Обучение бесплатно.

Моего вопроса тут нет :(

Другие вопросы можно посмотреть здесь.

Программа

Смешанное занятие № 1. Обзор курса. Знакомство с базами данных и языком запросов SQL.

 -Теоретические основы работы с базами данных;
-SQL:Базовые операции, функции агрегации, работа с несколькими таблицами, вложенные запросы

 

Смешанное занятие № 2. Аналитические запросы PostgreSQL

- Аналитические запросы MySQL
- функции для построения аналитических запросов
Практика:
использование аналитических функций для расчёта продуктовых метрик 
 

Смешанное занятие № 3. Знакомство с колоночными базами данных. ClickHouse

- Знакомство с  колоночными базами данных на примере ClickHouse. OLAP
- Тренируемся написании запросов, знакомимся с особенностями синтаксиса и существующими функциями.


 

Смешанное занятие № 4. Введение в Python

Теория:
Установка Python и библиотек. Основные типы данных. Функции.
 

Смешанное занятие № 5. Работа с данными на языке программирования Python

Работа с данными на языке программирования Python:
получение данных из различных источников,
обработка сырых данных (дубликаты, пропуски, типы данных)
Практика: подключение К БД, работа с файлами, агрегация данных для последующего анализа.
 

Смешанное занятие № 6. Визуализация данных

Работа с данными на яп Python (часть 2): визуализация данных. Знакомство с Tableu

Семинар № 1. Работа над проектом

Работа над проектом: Проведение исследовательского анализа данных (получение данных, обработка, визуализация)

Смешанное занятие № 7. Математическая статистика: основные статистические показатели и их применение в анализе данных

Математическая статистика: основные статистические показатели и их применение в анализе данных
Работа над проектом: Проведение анализа данных с применением знаний основ описательной статистики и основных статистических показателей 
 

Смешанное занятие № 8. Математическая статистика: Проверка статистических гипотез

Определение статистической гипотезы, ошибок первого и второго рода, уровня значимости и т.д.
Разбор и написание кода статистических критериев (from scratch и с использованием популярных библиотек для проверки гипотез на python).
 

Смешанное занятие № 9. Математическая статистика: Проверка статистических гипотез часть 2

Множественное сравнение
Практика: реализация критерия Стьюдента с поправками  Бонферрони и Холма-Бонферрони, критерия Крускала - Уоллиса

 

Смешанное занятие № 10. Продуктовые метрики, приоритизация и unit экономика

-

Экзамен № 1. Защита проектов

Защита финального проекта