[karpov.courses] Аналитик данных. Часть 4 из 5 (Анатолий Карпов)

Для кого эта программа:
- Старт карьеры. У вас нет опыта в анализе данных, но вы хотите начать карьеру в аналитике. Наш курс предполагает, что вы владеете математикой хотя бы на школьном уровне. Остальному научим мы!
- Уже работаете в аналитике. Вы сможете дополнить арсенал своих знаний такими востребованными инструментами, как Airflow, Git, Command line, Tableau, и повысите свою ценность на рынке труда.
Программа курса:
1. Python для работы с данными.
Заложим фундамент: освоим основы программирования, познакомимся с библиотеками для анализа данных, визуализации и работы с файловой системой. Будет непросто, но крутые аналитики обязаны знать эти инструменты. С первого дня начнем работать на удалённом сервере, все по-настоящему!
1.1 Git
Познакомимся с командной строкой и широко используемым инструментом контроля версий — Git. Обсудим базовые команды, научимся работать с репозиториями и увидим, как Git позволяет объединять деятельность множества разработчиков и аналитиков в работе над одним проектом.
2. SQL
Освоим основы синтаксиса SQL. На примере ClickHouse научимся работать с системой управления базами данных и подключаться к ней с помощью Python. Начнем учиться грамотно визуализировать наши данные.
3. Теория вероятностей.
В данном блоке мы познакомимся с основами теории вероятностей. Знания в этой области необходимы для более глубоко понимания прикладной статистики.
4. Статистика.
Научимся планировать A/B тесты и проверять статистические гипотезы. Акцент будет сделан на приложении статистики к решению задач из индустрии.
5. А/В тесты.
Практическое A/B тестирование подразумевает большую часть работы с математической статистикой. На лекциях рассмотрим основную проблематику экспериментов и закрепим полученные знания с помощью домашних заданий.
6. Визуализация.
Важный навык аналитика — уметь правильно представлять результаты своей работы в виде интерактивного дашборда. Посмотрим, какие бывают типы дашбордов, научимся подбирать и оформлять графики под разные задачи, узнаем, на чём необходимо делать акценты при верстке, а также попрактикуемся собирать требования к дашборду от заказчика. Всё это сделаем в BI-системе Tableau.
7. Развитие продукта.
Сформируем продуктовое видение и более глубокое понимание бизнеса и продукта. Научимся находить общий язык с продакт-менеджерами и поймём, каким образом можно использовать анализ данных для развития бизнеса. Также рассмотрим, как организована работа команд в IT-продуктах.
8. Продуктовая аналитика.
Поймём, какую ценность может приносить аналитика и как объяснить её бизнесу. Научимся определять потребности пользователей продукта и сегментировать их, считать юнит-экономику, выбирать правильные продуктовые метрики и драйвить рост бизнеса с помощью непрерывной проверки гипотез.
9. Airflow.
Ранее вы уже изучали, как можно решать задачи при помощи python, sql и других инструментов. Порой были такие задачи, которые нужно было делать ежедневно, например, следить за курсом акций, считать KPI или проверять успехи любимой команды. Для решения таких задач есть свои собственные инструменты — как простые шедулеры, так и сложные системы оркестрирования процессов. Airflow как раз такая система. Далее мы познакомимся с тем, как устроена его работа и как им пользоваться для решения задач.
10. Как искать работу.
На рынке труда грамотная презентация своих навыков порой так же важна, как и сами навыки, а неумение правильно вести коммуникацию может помешать устроиться на работу даже опытному аналитику. В этом блоке мы обсудим базовые вопросы, касающиеся поиска работы в сфере анализа данных, на примерах рассмотрим разные этапы поиска работы и зададим вопросы профессиональному рекрутеру одной из крупнейших IT-компаний России.
11. Итоговый проект.
Вы попробуете себя в роли аналитика, выполняющего тестовое задание в компанию. Вы получите доступ к удалённому серверу и базам данных и попрактикуетесь решать задачи, с которыми в своей работе сталкиваются аналитики. Вам будут представлены на выбор разные аналитические проекты, в ходе работы над которыми вы сможете применить все навыки, которые приобрели за время прохождения курса. Вы будете писать код, работать с базами данных, автоматизировать рутинные задачи, искать инсайты в данных и анализировать результаты A/B-тестов. Как и в любой крупной компании, с помощью Git вы пройдёте code-ревью и получите фидбэк. Итоговый проект позволит вам закрепить полученные знания и непременно сделает ваше резюме более интересным для будущего работодателя.