Python для анализа данных

1 занятие
Основы Python, переменные и типы данных

2 занятие
Работа в циклах со списками и словарями

3 занятие
Функции и объекты

В этом модуле вы научитесь:

— понимать чужой код и адаптировать его под свои задачи;
— использовать настоящую среду программирования Jupyter Notebook в рабочих задачах;
— вычленять с помощью Python необходимые данные из неструктурированной информации;
— автоматизировать повторяющиеся задачи работы с данными с помощью функций;
— использовать библиотеку datetime для обработки данных формата «дата и время».

1 занятие
Основы Pandas

В этом модуле вы научитесь:

— оптимизировать работу, используя стандартные библиотеки, которые вшиты в Python и помогают работать с датами, текстами и разными типовыми данными;
— использовать библиотеку pandas для первичного изучения данных (построения сводных таблиц, поиска и корректировки исходных данных, моментального агрегирования данных из таблиц с количеством строк больше 50 тысяч);
— делать выборки/выгрузки данных по любым условиям;
— агрегировать данные из разных таблиц.

1 занятие
Выбор и настройка визуализаций

В этом модуле вы научитесь:

— строить в Python всевозможные графики, учитывая задачи, которые они выполняют (гистограмма, скаттер плот, хитмап и другие популярные визуалы);
— использовать визуализацию для поиска выбросов и ошибок в данных;
— использовать pandas и Seaborn для визуализации данных.

1 занятие
Python для анализа А/B-тестов

2 занятие
Мастер-класс «Пишем Bootstrap руками»

В этом модуле вы научитесь:

— анализировать данные АБ-тестов и подводить их итоги;
— рисовать и рассчитывать в Python доверительные интервалы для среднего у двух групп;
— работать в команде над задачей;
— использовать статистический критерий хи-квадрат и бутстрап;
— находить самостоятельно необходимые функции на stackoverflow, изучать параметры и использовать их в коде.

1 занятие
Подключение к API

2 занятие
Запросы к удаленным базам данных

В этом модуле вы научитесь:

— загружать данные в форматах json;
— собирать и анализировать данные из групп vk.com;
— подключаться к API разных ресурсов, с которыми сталкиваются аналитики, на примере vk.com, world bank, Яндекс. Метрика, Slack;
— подключаться и делать запросы к базам данных PosrgreSQL и ClickHouse.

1 занятие
Прогнозирование, введение в ML библиотеки

В этом модуле вы научитесь:

— прогнозировать временные ряды с помощью Prophet;
— учитывать собственные решения относительно прогнозирования данных.