[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
- Метрики и воронки
Скрытое содержимое. Вам нужно войти или зарегистрироваться.
СКАЧАТЬ Скрытое содержимое. Вам нужно войти или зарегистрироваться.