Python является одним из самых популярных и доступных языков программирования.

Вы научитесь анализировать большие объемы данных, что позволит вам собрать портфолио и спланировать карьерный рост.

Разберётесь, как работать с библиотеками и нейросетями. Познакомитесь с аналитикой данных, машинным обучением и дата-инженерией.

Заполни форму

И мы свяжемся с вами в короткое время.

Программа курса

Курс состоит из 9 модулей и 9 недель, которые включают теорию и домашние задания, а также специальные подборки полезных ресурсов и Telegram-каналов, более того, с вами будут работать наставники и карьерные консультанты

Основы анализа данных и Python

Теория: Основы Python для аналитиков данных.

Практика:
✔ Установка Jupyter Notebook, Google Colab;
✔ Переменные и их объявление, типы переменных;
✔ Простые вычисления;
✔ Ввод-вывод информации: операторы input и print;
✔ Логические операции, операции сравнения;
✔ Основные статистики на Python

Lists, Numpy Arrays и библиотеки для анализа данных

Теория: Lists, Numpy Arrays и библиотеки для анализа данных.

Практика: Загрузка библиотек. Списки (List);
Статистика: IQR, размах.

Логические операторы, словари, стандартное отклонение, Pandas

Теория: Логические операторы, словари, стандартное отклонение, Pandas.

Практика:

• Numpy Arrays (массивы)
• Стандартное отклонение и дисперсия
• Визуализации с Matplotlib
• Логические Boolean операторы
• IF, ELSE, ELIF.

Словари, Pandas, Вероятность

Теория: Словари, Pandas, Вероятность.

Практика:

• Словари (Dictionaries)
• Библиотека Pandas
• Вероятность, расчет вероятности
• Знакомство: цикл For, While.

Loops (Циклы) и введение в АБ тесты

Теория: Loops (Циклы) и введение в АБ тесты.

Практика:

• Циклы For, While в деталях
• Формулировка гипотез
• А/B-тестирование.

Промежуточный экзамен

Функции в Python,
Pandas

Теория: Функции в Python, Pandas.

Практика:
✔ Функции в Python
✔ Обработка датасета с помощью Python: Pandas Series; Missing Data; Pandas DataFrames

Работа в Pandas

Теория: Работа в Pandas.

Практика:

• Pandas: сортировка и фильтрация
• Методы: ndrop, nsmallest/nlargest,where, query, copy
• Работа с текстом
• GroupBy.

Личный проект

Теория: Личный проект.

Практика:

• Метод Merge
• Итоговая работа: обработка датасета
• Бонус уроки: линейная и логистическая регрессия
• техническое собеседование для аналитика данных.

Практика: техническое собеседование по Python для аналитика данных.