Robot
Складчик
- #1
[Rebrain] Аналитик данных Блок 2. Junior [Ольга Старчикова, Ольга Цветкова, Алена Гайбатова]
- Ссылка на картинку
Блок 02. Junior аналитик данных:
Модуль 01. Математика и статистика
Теория вероятности
Линейная алгебра
Работа со статистическими гипотезами
Математический анализ
Модуль 02. Python для анализа данных
Jupiter Notebook
Основы работы с python, синтаксис языка
Библиотеки для работы с данными (Pandas, Seaborn, Matplotlib)
Скрипты для автоматизации
Проект по Python
Модуль 03. Продвинутая продуктовая аналитика
Юнит-экономика
A/B-тестирование
Инструменты проверки гипотез на статистическую достоверность
Модуль 04. Машинное обучение
Обучение с учителем
Обучение без учителя
Основные алгоритмы в catboost
Практика по машинному обучению
В процессе вы узнаете:
01 Как быстро освоить SQL, который используется практически всеми современными компаниями
02 Как решать задачи с анализом когорт и считать такие метрики, как ретеншн, отток, конверсия в повторную покупку
03 Продуктовую аналитику, сможете строить пайплайны данных, делать запросы к базам данных с помощью SQL, обрабатывать данные на Python, понимать и использовать на практике математику и статистику, визуализировать данные в BI-инструменте и многое другое
04 Как донести результаты своих исследований простыми способами визуализации
05 Как ранжировать задачи, получать грамотное ТЗ и понимать зоны своей ответственности
06 Как освоить набор инструментов, необходимых для решения большинства задач на позиции junior+ аналитик данных
Ответы на эти и другие вопросы вы узнаете на нашем практикуме!
В качестве заданий вас ждут реальные проблемы и задачи аналитиков, с которыми сталкивались наши эксперты. Вы получите опыт решения настоящих, боевых задач
Модуль 01. Математика и статистика
Теория вероятности
Линейная алгебра
Работа со статистическими гипотезами
Математический анализ
Модуль 02. Python для анализа данных
Jupiter Notebook
Основы работы с python, синтаксис языка
Библиотеки для работы с данными (Pandas, Seaborn, Matplotlib)
Скрипты для автоматизации
Проект по Python
Модуль 03. Продвинутая продуктовая аналитика
Юнит-экономика
A/B-тестирование
Инструменты проверки гипотез на статистическую достоверность
Модуль 04. Машинное обучение
Обучение с учителем
Обучение без учителя
Основные алгоритмы в catboost
Практика по машинному обучению
В процессе вы узнаете:
01 Как быстро освоить SQL, который используется практически всеми современными компаниями
02 Как решать задачи с анализом когорт и считать такие метрики, как ретеншн, отток, конверсия в повторную покупку
03 Продуктовую аналитику, сможете строить пайплайны данных, делать запросы к базам данных с помощью SQL, обрабатывать данные на Python, понимать и использовать на практике математику и статистику, визуализировать данные в BI-инструменте и многое другое
04 Как донести результаты своих исследований простыми способами визуализации
05 Как ранжировать задачи, получать грамотное ТЗ и понимать зоны своей ответственности
06 Как освоить набор инструментов, необходимых для решения большинства задач на позиции junior+ аналитик данных
Ответы на эти и другие вопросы вы узнаете на нашем практикуме!
В качестве заданий вас ждут реальные проблемы и задачи аналитиков, с которыми сталкивались наши эксперты. Вы получите опыт решения настоящих, боевых задач
