Описание

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 2

Исследовательский анализ данных

• Первые графики и выводы
  • Введение
  • Знакомство с задачей
  • Сводные таблицы для расчета среднего
  • Применяем сводные таблтицы
  • Есть ли проблемы в данных?
  • Базовая проверка данных
  • Гистограмма
  • Гистограмма для двух кубиков
  • Распределения
  • Диаграмма размаха
  • Диаграмма размаха в Python
  • Описание данных
  • Заключение
• Изучение срезов данных
  • Введение
  • Срезы данных методом query()
  • Возможности query()
  • Срезы в действии
  • “Слишком долгая” заправка – это сколько?
  • Работа с датой и временем
  • Графики
  • Группировка с pivot_table()
  • Помечаем срез данных
  • Сохраняем результаты
  • Заключение
• Работа с несколькими источниками данных
  • Введение
  • Срез по данным из внешнего словаря
  • Срез по данным из внешнего словаря (продолжение)
  • Добавляем столбец
  • Добавляем столбец(продолжение)
  • Объединяем данные из двух таблиц
  • Переименование столбцов
  • Объединение столбцов методом merge() и join()
  • Заключение.
• Взаимосвязь данных
  • Введение
  • Диаграмма рассеяния
  • Корреляция
  • Матрица диаграмм рассеяния
  • Как выжать максимум из очевидности
  • Заключение
• Валидация результатов
  • Введение
  • Укрупняем группы
  • Разбитые по группам данные
  • Заключение
    Проектная работа (Проект)