Основы аналитики данных

Профессиональная переподготовка
pp-12
75000,00
р.
120000,00
р.
Перейти на страницу программы

Количество академических часов: 256

Продолжительность: 5 месяцев

Форма обучения: заочная с применение дистанционных образовательных технологий

Документ: Диплом о профессиональной переподготовке установленного образца ФГАОУ ВО ГУАП


Программа профессиональной переподготовки подготовлена с учетом потребностей бизнеса к квалификации специалистов в области ИИ и профессионального стандарта «Большие данные»


Модуль 1. Основы языка программирования Python.

Установка и настройка Jupyter Notebook, переменные и типы данных, строки, списки, цикл for, вложенные списки, условный оператор, цикл while, функции, словари, Pandas для анализа данных


Модуль 2. Предобработка данных.

Работа с пропусками, изменение типов данных, поиск дубликатов, категоризация данных, стемминг, лемматизация


Модуль 3. Исследовательский анализ данных

Первые графики и выводы, изучение срезов данных, работа с несколькими источниками данных, разбивка по группам данные


Модуль 4. Сбор и хранение данных.

Web mining, введение в HTML, инструменты разработчика, POST\get запросы, регулярные выражения, парсинг HTML, API, JSON


Модуль 5. Анализ бизнес показателей

Метрики и воронки, когортный анализ, Юнит-экономика, пользовательские метрики


Модуль 6. SQL базовый и продвинутый

Установка и настройка базы данных и клиента базы данных, срезы данных в SQL, агрегирующие функции. Группировка и сортировка данных, объединение таблиц, подзапрос и временные таблицы, основы оконных функций, рамки оконных функций, дополнительные инструменты SQL


Модуль 7. Автоматизация

Основы запусков скриптов, написание скриптов для автоматического парсинга данных, разработка телеграмм бота, методы машинного обучения, инструменты анализа данных и ML (Rapid Miner)


В РЕЗУЛЬТАТЕ ОБУЧЕНИЯ В СМОЖЕТЕ:


– разрабатывать методики выполнения аналитических работ

– организовывать аналитическую работу в IT-проекте

– управлять аналитическими ресурсами и компетенциями

– составлять отчеты об аналитических работах в IT-проекте

– применять анализ данных к научным и общественным задачам

– применять технологии машинного обучения к реальным общественным задачам