Python для аналитики | OTUS

Курсы

Программирование
MS SQL Server Developer Java Developer. Professional Highload Architect C++ Developer. Basic Специализация C++ Developer C++ Developer. Professional HTML/CSS Kotlin Developer. Basic VR/AR - разработчик Microservice Architecture Software Architect PostgreSQL для администраторов баз данных и разработчиков PHP Developer. Professional Web-разработчик на Python Agile Project Manager Unity Game Developer. Professional C# Developer Flutter Mobile Developer Python Developer. Basic Python Developer. Professional Базы данных iOS Developer. Professional React.js Developer Scala-разработчик Специализация iOS Разработчик программных роботов (RPA) на базе UiPath и PIX Kotlin Backend Developer Node.js Developer Symfony Framework PHP Developer. Basic Буткемп Java Groovy Developer
Специализации Курсы в разработке Подготовительные курсы Подписка
+7 499 938-92-02
Курс переработан
Курс переработан

Python для аналитики

Разберем лучшие инструменты для аналитики, отчетности и построения дашбордов.

Длительность обучения:

4 месяца

4 ак. часа в нед.

Что даст вам этот курс
Программа направлена на тех, кто никогда не работал с кодом на Python, но хочет научиться писать скрипты для аналитики.


Курс для тех, кто хочет:

- Получать аналитические данные, создавать наглядные отчеты, строить дашборды и принимать верные решения на основе полученных данных
- Решать задачи, которые не под силу  популярным электронным таблицам с макросами
- Перейти с тяжёлого excel на более быстрые и эффективные инструменты, чтобы получать данные быстрее


Мы научим вас: 

- получать данные из БД и из множества файлов и подтягивать это все в отчеты;
- оформлять отчеты с текстом и графикой;
- языку программирования Python для аналитики;
- создавать простейшее графическое представление данных;
- обращаться по API к сервисам и получать данные оттуда;
- работать с Jupyter Notebook.


Вам подходит курс, если вы:

Аналитик
Научитесь анализировать данные с помощью различных инструментов Python и принимать решения на основе данных.

Маркетолог
Автоматизируете сбор и анализ данных о ваших конкурентах и пользователях и научитесь работать с SQL и HTML.

Менеджер
Научитесь работать с кодом и автоматизируете сбор данных из интернета, что станет аргументом для повышения в должности.

Начинающий Python-разработчик
Научитесь работать с данными и сможете дальше развиваться в Data Science или в аналитике.

 

Преподаватели

Роман Козлов
ГКУ "Новые технологии управления", ведущий аналитик
Андрей Варкентин
Светлана Медведева
Аналитик Big Data/системный аналитик с большим опытом работы в государственных структурах Правительства Москвы.

Работал в органах исполнительной власти города Москвы, подведомственных учреждениях Комплекса городского хозяйства и Социальной защиты. Возглавлял работу мониторингово-аналитического управления, занимающегося контролем работы коммунально-уборочной техники. В настоящее время реализую проекты, связанные с цифровизацией адресной социальной помощи 65+ населения города Москвы.

Среди реализуемых проектов — информационная система Контакт Центр «Социальная защита», который позволяет удаленно получать адресную помощь в виде лекарственных средств, продуктов питания и товаров первой необходимости.

Профессиональный опыт: 2+ года работы Data Scientist-ом. Анализировал рекламные кампании в маркетинге и обнаруживал признаки банкротств организаций в финансовой отрасли. Основные языки – Python, R.
Академический опыт: бак/маг/асп@МГУ, Research [email protected], Master of [email protected] Leuven

Закончила МФТИ (бакалавриат и магистратура) и Сколтех (магистратура). С 2018 года преподает студентам МФТИ вычислительную математику (численные методы), сейчас ведет лабораторные занятия по питону и анализу данных на питоне.

Работала в консалтинге (разработка технологических решений) в SAS Institute. Занималась разработкой решений на основе SAS Event Stream Processing, работой с данными (DI, SAS Base, SQL) и автоматизированным тестированием (python+selenium), а также временными рядами.
Стажировалась в Huawei в группе компьютерного зрения.

В настоящее время работает аналитиком данных (разработка MVP для консалтинга). Один из проектов был связан с моделированием путешествия клиента. Сейчас занимается гомоморфным шифрованием.

Роман
Козлов
Андрей
Варкентин
Светлана
Медведева

Преподаватели

Роман Козлов
ГКУ "Новые технологии управления", ведущий аналитик
Аналитик Big Data/системный аналитик с большим опытом работы в государственных структурах Правительства Москвы.

Работал в органах исполнительной власти города Москвы, подведомственных учреждениях Комплекса городского хозяйства и Социальной защиты. Возглавлял работу мониторингово-аналитического управления, занимающегося контролем работы коммунально-уборочной техники. В настоящее время реализую проекты, связанные с цифровизацией адресной социальной помощи 65+ населения города Москвы.

Среди реализуемых проектов — информационная система Контакт Центр «Социальная защита», который позволяет удаленно получать адресную помощь в виде лекарственных средств, продуктов питания и товаров первой необходимости.

Андрей Варкентин
Профессиональный опыт: 2+ года работы Data Scientist-ом. Анализировал рекламные кампании в маркетинге и обнаруживал признаки банкротств организаций в финансовой отрасли. Основные языки – Python, R.
Академический опыт: бак/маг/асп@МГУ, Research [email protected], Master of [email protected] Leuven

Светлана Медведева
Закончила МФТИ (бакалавриат и магистратура) и Сколтех (магистратура). С 2018 года преподает студентам МФТИ вычислительную математику (численные методы), сейчас ведет лабораторные занятия по питону и анализу данных на питоне.

Работала в консалтинге (разработка технологических решений) в SAS Institute. Занималась разработкой решений на основе SAS Event Stream Processing, работой с данными (DI, SAS Base, SQL) и автоматизированным тестированием (python+selenium), а также временными рядами.
Стажировалась в Huawei в группе компьютерного зрения.

В настоящее время работает аналитиком данных (разработка MVP для консалтинга). Один из проектов был связан с моделированием путешествия клиента. Сейчас занимается гомоморфным шифрованием.

Необходимые знания

  • понимание, как вам пригодятся данные и аналитика
  • владение языком формальной логики
  • знание основ статистики
Корпоративное обучение для ваших сотрудников
>
Программа обучения
В процессе обучения вы получите комплексные знания и навыки.
Тема 1. Знакомство с Jupyter Notebook, синтаксис Python
Тема 2. Итерируемые типы данных. Методы работы со списками, кортежами, словарями, множествами
Тема 3. Условные операторы, обработка исключений, циклы. Comprehensions, генераторы
Тема 4. Функции, области видимости, глобальные и локальные переменные, лямбда функции
Тема 5. Работа со строковыми данными. Регулярные выражения
Тема 6. Работа с файловой системой и модули
Тема 7. Библиотека Numpy, вектора и матрицы
Тема 8. Библиотека Pandas, Series и Dataframe, методы для работы с ними
Тема 9. Основы статистики, статистические отчеты
Тема 10. Визуализация в Matplotlib, Seaborn, Plotly
Тема 11. Разбор кейса. Разведочный анализ данных (EDA) на примере
Тема 12. Q&A (разбор домашних заданий)
C 14 октября
Тема 13. Введение в продуктовую аналитику на Python. Метрики и методы
Тема 14. Когортный анализ. Работа с датами и библиотекой dt
Тема 15. RFM - анализ
Тема 16. ABC - XYZ анализ
Тема 17. Проверка гипотез. A/B-тестирование
C 9 ноября
Тема 18. Обзор про базы данных, SQL и теорию множеств. Таблицы, представления, простые выборки, функции
Тема 19. Join, exists, вложенные запросы, group by, having. Индексы и план запроса
Тема 20. Оконные функции в SQL, виды и область применения
Тема 21. HTTP. Обзор по работе с HTTP в Python. Библиотеки, requests
Тема 22. Парсинг данных из HTML
Тема 23. Работа с JSON, работа с CSV и xls
C 30 ноября
Тема 24. Введение в машинное обучение. Обучение с учителем/без учителя. Бибилиотека Scikit-learn
Тема 25. Линейная регрессия, Построение модели и метрики
Тема 26. Логистическая регрессия. Построение модели и метрики
Тема 27. Кластеризация. Построение модели и метрики
Тема 28. Q&A (разбор домашних заданий)
C 16 декабря
Тема 29. Выбор темы и организация проектной работы
Тема 30. Консультация по проектам и домашним заданиям
Тема 31. Защита проектных работ
Тема 32. Подведение итогов курса
Скачать подробную программу
Выпускной проект
Проектная работа будет представлять из себя получение данных, разведочный анализ , обогащение данных с помощью когортного, RFM или ABC анализа, построение модели машинного обучения.

Процесс обучения

Обучение проходит онлайн: вебинары, общение с преподавателями и сокурсниками. Вебинары проводятся 2 раза в неделю по 1,5 часа и сохраняются в записи в личном кабинете. Домашние задания даются раз в 2 недели. Вас будут поддерживать преподаватели и давать обратную связь. Последний месяц отводится для проектной работы. Во время работы над проектом вы получите консультации и обратную связь от преподавателей.
Получить консультацию
Наш специалист свяжется с вами в ближайшее время. Если у вас возникли трудности в выборе курса или проблемы технического плана, то мы с радостью поможем вам.
Спасибо!
Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

  • В конце курса вы получите сертификат OTUS, который можно показать работодателю;

  • Если у вас есть соответствующее профильное образование, вы можете получить удостоверение о повышении квалификации.;

Ваш сертификат

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Python для аналитики»
Выполнено практических заданий: 16 из 16

Общество с ограниченной ответственностью “Отус Онлайн-Образование”

Город:
Москва

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Python для аналитики»
Выполнено практических заданий: 16 из 16

Общество с ограниченной ответственностью “Отус Онлайн-Образование”

Город:
Москва

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.
Прошедшие открытые вебинары
Открытый вебинар — это настоящее занятие в режиме он-лайн с преподавателем курса, которое позволяет посмотреть, как проходит процесс обучения. В ходе занятия слушатели имеют возможность задать вопросы и получить знания по реальным практическим кейсам.
Маркетинговая аналитика в Python. RFM-анализ
Роман Козлов
День открытых дверей
24 ноября 2021 года в 20:00
Оставьте заявку, чтобы получить доступ к записям прошедших мероприятий. Записи всех мероприятий появятся в этом блоке