[Яндекс Практикум] Как стать аналитиком данных. Часть 5/6

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 исследование трудоустройства выпускников.

Часть 5

• Принятие решений в бизнесе на основе данных
  • Основы проверки гипотез в бизнесе
    • Введение
    • Что нужно бизнесу
    • Опережающие метрики. Декомпозиция
    • Определение важных метрик
    • База экспериментов
    • Оставить нельзя экспериментировать
    • Как генерировать идеи
    • Формулируем гипотезу правильно
    • Заключение
  • Выбор метода проведения эксперимента
    • Введение
    • Методы проведения эксперимента
    • Качественные методы проверки гипотезы
    • Количественные методы проверки гипотезы. A/B-тест
    • Преимущества и недостатки A/B-теста
    • Пример результатов A/B-теста
    • Заключение
  • Приоритизация гипотез
    • Введение
    • Зачем и как приоритизировать гипотезы
    • Параметр Reach
    • Параметр Impact
    • Параметр Confidence
    • Параметр Efforts
    • Заключение
  • Подготовка к проведениею A/B-теста
    • Введение
    • A/A-тест
    • Ошибки I и II рода при проверке гипотез. Мощность и значимость
    • Множественные сравнения: A/B и A/B/n-тесты
    • Расчет размера выборки и длительности теста
    • Графический анализ метрик и определение предметной области
    • Заключение
  • Анализ результатов A/B-теста
    • Введение
    • Проверка гипотезы о равенстве долей
    • Проверка данных на нормальность. Критерий Шапиро-Уилка
    • Непараметрический тест Уилкоксона-Манна-Уитни
    • Стабильность кумулятивных метрик
    • Анализ выбросов и всплесков: крайние значения данных
    • Анализ A/B-теста шаг за шагом
    • Долгожданные выводы из A/B-теста
    • Основные ошибки при анализе A/B-тестов
    • Заключение
  • Поведенческие алгоритмы
    • Факты, эмоции и оценка
    • Умение внятно объяснить свою позицию
  • Проектная работа(проект)
• Как рассказать историю с помощью данных
  • Подготовка презентации
    • Введение
    • Как рассказать о своем исследовании
    • Кому рассказывать истории
    • Сезонность и внешние факторы
    • Покупаем авиабилеты
    • Абсолютные и относительные величины
    • Парадокс Симпсона
    • Когда график - ваш враг
    • Виды графиков для различной информации
    • Основные принципы построения презентации
    • Отчет в Jupyter Notebook
    • Заключение
  • Библиотека Seaborn
    • Введение
    • Почему не хватате matplotlib?
    • Метод jointplot()
    • Цветовая гамма
    • Стили графиков
    • Категориальные данные
    • Визуализация распределения
    • Нестандартные графики в seaborn
    • Заключение
  • Библиотека plotly
    • Введение
    • Интерактивные графики
    • Установка Python и Jupyter Notebook
    • Базовые графики plotly.
    • Круговая диаграмма
    • График воронки
    • Заключение
  • Проектная работа (проект).
• Cборный проект - 2
  • Событийная аналитика