[Яндекс Практикум] Как стать аналитиком данных. Часть 4 из 6 (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

ИСТОЧНИК

СКАЧАТЬ