Python для аналитики

Python для аналитики

Разберем лучшие инструменты для аналитики, отчетности и построения дашбордов

Длительность обучения:

4 месяца

4 ак. часа в нед.

Формат:

Online

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
Евгений Ревняков
Игорь Стурейко
Teamlead, главный инженер проекта – НИИгазэкономика
Аналитик Big Data/системный аналитик с опытом 8+ лет.

В настоящее время занимается пользовательской аналитикой в проектах Правительства Москвы, таких как Наш город, Активный гражданин, Город Идей, Миллион призов и т.д.

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.

Руководитель программы
Начинал в школе с паяльником в руках. Потом был ZX Spectrum. В университет пошел на техническую специальность. В механике много интересного, но в 2008 интерес к ИТ взял верх: компьютерные сети -> Delphi -> PHP -> Python.
Были эксперименты с другими языками, но хочется писать именно на нем. Участвовал в проектах по автоматизации бизнес-процессов при помощи нейросетей (сервис заказа такси «Максим»), разработке информационных систем в медицине. Работал с GIS-системами и процессингом изображений при помощи Python.
В преподавании позиция: «Если кто-то не может объяснить сложное простыми словами, — значит он в этом еще не очень хорошо разбирается».

Образование: Курганский университет, кафедра "Безопасность информационных и автоматизированных систем", к.т.н.
В 2002 окончил Курганский государственный университет по специальности "Многоцелевые гусеничные и колесные машины".
В 2005 защитил диссертацию по бесступенчатым передачам. С тех пор официально трудоустроен в университете (КГУ).

Более 15 лет занимется прикладой математикой и мат. моделированием НИИгазэкономика ПАО Газпром.

Руководил командой̆ 20+ человек, решающей прикладные задачи, вывод готовых моделей в продакшн и поддержку решений у клиента.

Разрабатывал модель развития и прогнозирования технического состояния газотранспортной системы ПАО Газпром.

Образование:
кандидат наук физико-математических наук, Теоретическая физика, Московсский государственный университет (МГУ)

Otus Certified Educator

Роман
Козлов
Евгений
Ревняков
Игорь
Стурейко

Преподаватели

Роман Козлов
ГКУ "Новые технологии управления", ведущий аналитик
Аналитик Big Data/системный аналитик с опытом 8+ лет.

В настоящее время занимается пользовательской аналитикой в проектах Правительства Москвы, таких как Наш город, Активный гражданин, Город Идей, Миллион призов и т.д.

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.

Руководитель программы
Евгений Ревняков
Начинал в школе с паяльником в руках. Потом был ZX Spectrum. В университет пошел на техническую специальность. В механике много интересного, но в 2008 интерес к ИТ взял верх: компьютерные сети -> Delphi -> PHP -> Python.
Были эксперименты с другими языками, но хочется писать именно на нем. Участвовал в проектах по автоматизации бизнес-процессов при помощи нейросетей (сервис заказа такси «Максим»), разработке информационных систем в медицине. Работал с GIS-системами и процессингом изображений при помощи Python.
В преподавании позиция: «Если кто-то не может объяснить сложное простыми словами, — значит он в этом еще не очень хорошо разбирается».

Образование: Курганский университет, кафедра "Безопасность информационных и автоматизированных систем", к.т.н.
В 2002 окончил Курганский государственный университет по специальности "Многоцелевые гусеничные и колесные машины".
В 2005 защитил диссертацию по бесступенчатым передачам. С тех пор официально трудоустроен в университете (КГУ).

Игорь Стурейко
Teamlead, главный инженер проекта – НИИгазэкономика
Более 15 лет занимется прикладой математикой и мат. моделированием НИИгазэкономика ПАО Газпром.

Руководил командой̆ 20+ человек, решающей прикладные задачи, вывод готовых моделей в продакшн и поддержку решений у клиента.

Разрабатывал модель развития и прогнозирования технического состояния газотранспортной системы ПАО Газпром.

Образование:
кандидат наук физико-математических наук, Теоретическая физика, Московсский государственный университет (МГУ)

Otus Certified Educator

Отзывы

Саверкин
Олег
Доволен курсом.
Понравилось, как построен процесс обучения, а также подача материала. Преподаватели заинтересованы и обладают хорошей экспертизой.
При ответственном подходе вы ощутите прогресс, даже если не будете изучать ничего дополнительно. Достаточно разобраться в предоставленных материалах и ответственно подойти к выполнению домашних заданий.
В случае возникновения трудностей всегда можно задать вопрос. Кроме того, часть занятий посвящены разбору домашних заданий, где можно обменяться идеями с коллегами и узнать, с какими сложностями столкнулись они.
Рекомендовал школу и сам курс коллегам и друзьям.
Читать целиком
Саверкин
Олег
Доволен курсом.
Понравилось, как построен процесс обучения, а также подача материала. Преподаватели заинтересованы и обладают хорошей экспертизой.
При ответственном подходе вы ощутите прогресс, даже если не будете изучать ничего дополнительно. Достаточно разобраться в предоставленных материалах и ответственно подойти к выполнению домашних заданий.
В случае возникновения трудностей всегда можно задать вопрос. Кроме того, часть занятий посвящены разбору домашних заданий, где можно обменяться идеями с коллегами и узнать, с какими сложностями столкнулись они.
Рекомендовал школу и сам курс коллегам и друзьям.
Читать целиком

Необходимые знания

  • Понимание, как вам пригодятся данные и аналитика
  • Владение языком формальной логики
  • Знание основ статистики

Корпоративное обучение для ваших сотрудников

Поможем вашей компании развивать команду! Профиты данного курса для компании: Подробное изучение самых популярных баз данных с возможностью сосредоточиться на тех, которые используются в компании / Оптимизированные стабильные системы / Работа над промышленными задачами во время практики
>

Программа обучения

В процессе обучения вы получите комплексные знания и навыки.
Тема 1. Jupyter, синтаксис python, базовые типы данных, простейшие операции с числами
Тема 2. Итерируемые типы данных. Методы работы со списками, кортежами, словарями, множествами
Тема 3. Условные операторы: if, elif, else, однострочные. Обработка исключений. Циклы: while, for. Comprehensions, генераторы, односторочные 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. Q&A занятие (разбор домашних заданий)
Тема 8. Библиотека Numpy, вектора и матрицы
Тема 9. Библиотека Pandas, Series и Dataframe, методы для работы с ними
Тема 10. Продвинутый Pandas, работа с временными рядами, оконными методами, вложенными структурами
Тема 11. Визуализация в Matplotlib, Seaborn, Plotly
Тема 12. Практика работы с данными с использованием Pandas и библиотек визуализации
Тема 13. Q&A (разбор домашних заданий)
Тема 14. Обзор про базы данных, SQL и теорию множеств. Таблицы, представления, простые выборки
Тема 15. Join, exists, вложенные запросы, group by, having
Тема 16. Оконные функции в SQL, виды и область применения
Тема 17. Что такое HTTP вообще. Обзор по работе с HTTP в Python. Библиотеки, requests
Тема 18. Парсинг данных из HTML
Тема 19. Введение в продуктовую аналитику на Python, Метрики и методы
Тема 20. Когортный анализ
Тема 21. RFM - анализ
Тема 22. ABC-XYZ анализ
Тема 23. Метод формирования продуктовых корзин. Алгоритм априори
Тема 24. Метод прогнозирования последовательностей. Цепи Маркова
Тема 25. Выбор темы и организация проектной работы
Тема 26. Консультация по проектам и домашним заданиям
Тема 27. Защита проектных работ
Тема 28. 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.

После обучения вы:




  • получите сертификат OTUS, который можно показать работодателю;

  • если у вас есть соответствующее образование, вы можете получить удостоверение о повышении квалификации.

Дата выдачи сертификата: 13 ноября 2024 года
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

Зам. директора департамента образования
ООО “Отус Онлайн-Образование”
Вдовиченко М.M.

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

Зам. директора департамента образования
ООО “Отус Онлайн-Образование”
Вдовиченко М.M.

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.
Применение RFM-анализа для сегментации клиентской базы
Роман Козлов
День открытых дверей
24 ноября 2021 года в 20:00
Стоимость обучения
Cтоимость указана для оплаты физическими лицами. Подробнее
78 750 ₽
Продолжительность
4 месяца