[Skillbox] Аналитик данных на Python (Алексей Никушин)

Освойте Python и делайте свою работу в десятки раз быстрее. Собирайте и обрабатывайте массивы данных, делайте сложные вычисления и стройте отчеты за минуты. Автоматизируйте рутину и спокойно занимайтесь тем, что нравится.
Применяя Python, вы становитесь до 80% более производительным. Python - это язык скриптов, он применим абсолютно в любых областях, где речь идет о данных и их обработке
Особенность нашего курса - индуктивное обучение на основе реальных кейсов. Это значит, что вместо скучной теории в самом начале у нас будет много практики.
Аналитик
Обрабатывает 10 000 строк Exсel вручную, анализирует метрики и готовит отчет. Рабочий процесс займет почти неделю.
Аналитик с Python
Пишет скрипт, который обрабатывает данные, составляет отчет и отправляет его на почту руководителю. На все уйдет - 2 часа.
Спойлер: Программа курса Модуль 1.Настройка окружения и базовые знания языка Python
Главной задачей на текущем уроке будет установить Python на локальную машину (Mac / Windows).
Познакомимся с Jupyter notebook как ключевым окружением для аналитической разработки на Python.
Познакомимся с базовыми методами, типами данных и особенностями языка Python, которые делают его приятным способом для проведения аналитики.
Модуль 2.Знакомство с ключевыми аналитическими библиотеками Pandas и NumPy
Обзор ключевых типов данных и методов для работы с ними в библиотеке NumPy и Pandas, пишем первый простой скрипт для нахождения пересечения данных в 2 массивах. Познакомимся со всеми ключевыми методами работы и манипуляциями с табличными видами данных (например, сортировка массивов, изменение значений, пересечения, выделения уникальных значений, объединение таблиц, удаление дубликатов).
Модуль 3.Автоматизация отчетности в Pandas
В текущем модуле мы рассмотрим практическую задачу формирования отчета по среднему чеку c большим массивом данных (>1 млн. строк) в разрезе категорий по нескольким направлениям деятельности компании, а также отчет о месячном оттоке клиентов. Запишем наши результаты в привычный Excel и отправим по почте.
Модуль 4.Визуализация данных с помощью библиотек Matplotlib и Seaborn
В текущем модуле мы рассмотрим основные библиотеки для визуального представления данных, а также дополним нашу отчетность. Пройдемся по основным видам графиков, посмотрим, в какой ситуации каждый из них может быть применим. Дополним наши возможности в составлении отчетности графической репрезентацией.
Модуль 5.Функции, файлы, базы данных

• Функции и управление потоками
• Работа с файлами
• Работа с базами данных

Модуль 6.API Яндекс Метрика

• Подключение к API. Запросы
• Преобразование данных в табличный вид

Модуль 7.API Google Analytics

• Подключение к Reporting API
• Запрашиваем данные
• Ограничения запросов
• Работа с отчетами

Модуль 8.API VK

• Описание VK API. Регистрация приложения. Получение токена
• Структура запроса и ответа
• Ограничения VK API. Описание ошибок
• Методы API VK
• Объекты API VK
• Примеры запросов

Модуль 9.Парсинг сайтов на Python

• Введение в скрейпинг
• Знакомство с языком bash
• Создание краулера
• Разбор верстки сайта
• Работа с XML
• Скрейпинг интернет-магазина

Модуль 10.Введение в статистику. Интервальные оценки

• Введение в статистику
• Выборочные методы оценки статистик
• ЦПТ и общая механика доверительных интервалов
• Интервальные оценки средних, доли и бустреп

Модуль 11.A/B-тестирование с помощью Python

• Гипотезы
• Параметрические оценки
• Непараметрические оценки
• Критерии и проверки на нормальность

Модуль 12.ETL на Python

• Настраиваем инфраструктуру
• Запуск программы
• Разбираем компоненты кода программы
• Cron – автоматизация рутины

Модуль 13.Дашборды

• Установка сервиса Dash
• Разбираем компоненты сервиса Dash
• Взаимодействие компонентов
• Публикация приложения на сервере Google
• Настраиваем виртуальную машину