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

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 .

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