Курс Data Analyst

Онлайн-курс, де ти за 5 місяців здобудеш всі необхідні знання і скіли, які знадобляться тобі для роботи аналітиком даних.

Програма курсу

Модуль 1. Введення в аналітику даних

• Вступ до аналітики даних та ролі Data Analyst в сучасному світі
• Важливість даних та їх використання для прийняття рішень в бізнесі
• Різниця Дата інженер/Аналітик/Data Scientist, опис професії
• Що має знати та вміти Дата-аналітик для успішної кар’єри. Огляд практичних інструментів, які необхідні аналітику в роботі: Excel/Google spreadsheets, Power Query, SQL, Tableau, Power BI, Looker studio, Python
• Звідки беруться дані? Шлях даних, як це працює
• Огляд методології аналізу даних та етапи роботи з даними
• Етапи роботи з даними (аномалії даних, описова статистика даних)
• Процес проведення аналізу даних

Модуль 2. Статистика та аналіз даних

• Вступ до теорії ймовірності та статистики
• Основні поняття теорії ймовірності
• Випадкові змінні та їх розподіли. Нормальний розподіл
• Розмах, дисперсія та стандартне відхилення
• Закон великих чисел та центральна гранична теорема
• Міри центральної тенденції: середнє, медіана, мода
• Квартилі та інтерквартильний розмах. Boxplot
• Кореляція та регресія
• Точкові оцінки та довірчі інтервали
• Поняття гіпотези, p-значення та визначення значущості
• Практичний приклад аналізу даних з використанням статистичних методів

Модуль 3. Аналіз даних в Excel/Google spreadsheets

• Інтерфейс. Робота з комірками. Введення і редагування даних
• Основні функції (SUM, AVERAGE). Форматування даних. Абсолютні та відносні посилання
• Застосування функцій (IF, VLOOKUP). Вкладені функції
• Іменовані таблиці, використання фільтрів, сортування та групування
• Очищення даних в Excel
• Використання Pivot Table для агрегації даних
• Створення та форматування графіків
• Використання пакету Data Analysis
• Використання Power Query для обробки даних
• Очищення даних в PQ
• Робота з датами та часом. Текстові та числові функції
• Сортування, фільтрація та групування
• Вбудовані функції. Розуміння мови М
• Імпорт даних з різних джерел. З'єднання та об'єднання таблиць
• Автоматизація процесів через PQ

Модуль 4. Бази даних та SQL

• Що таке бази даних
• Види баз даних
• Елементи баз даних
• Типи даних
• Типи материалізації даних
• Нормалізація даних
• SQL
• DDL, DML, JOIN, ORDER BY, GROUP BY, ALIAS, WHERE
• Функції, віконні функції
• Функції умов
• Приклад Бази Даних та зв'язків всередині неї

Модуль 5. Візуалізація даних

• Вступ до Power BI: Чому це один з лідерів у візуалізації даних?
• Огляд панелі інструментів та функціоналу Power BI
• Power BI: підключення до інших систем
• Power BI: завантаження даних
• Power BI: обробка даних
• Power BI: візуалізація
• Базові можливості - огляд Google Data Studio (порівнняння з Power BI)
• Базові можливості - огляд Tableau (порівнняння з Power BI)
• Вступ до Tableau: Чому це ключовий інструмент для візуалізації даних?
• Tableau: Створення аккаунту на Tableau Public
• Tableau: Огляд інтерфейсу
• Tableau: Підключення до даних
• Tableau: Підготовка даних до аналізу
• Tableau: Dimensions and Measures
• Tableau: Групування даних та ієрархія
• Tableau: Проведення розрахунків
• Tableau: Створення і форматування візуалізацій
• Tableau: Форматування візуалізацій
• Tableau: Робота з фільтрами
• Tableau: Quick Table Calculations
• Tableau: Огляд аналітичної панелі інструментів
• Tableau: Створення дашбордів
• Tableau: Інтерактивність
• Tableau: Оптимізація
• Tableau: Збереження проєкту та публікація

Модуль 6. Основні метрики для аналізу даних

• Продуктові метрики
• Маркетингові метрики

Модуль 7. Python для аналізу даних

• Огляд Python та Jupyter: Що це таке і чому ми використовуємо їх для аналітики?
• Встановлення Python та Jupyter
• Основи програмування - частина 1. (основи синтаксису, змінні, типи даних та операції)
• Основи програмування - частина 2 (структури даних, умовне розгалуження, ітерації)
• Функції, методи та бібліотеки
• Основи аналізу даних з використанням бібліотеки Pandas
• Візуалізація даних з використанням бібліотек Matplotlib та Seaborn

Модуль 8. A/B тести та rfm-аналіз

• Що таке A/B тести, та коли їх треба проводити
• Формування гіпотези та розрахунок розміру тестової вибірки. Тривалість тесту, як можна пришвидшити результати
• Оцінка результатів A/B тесту. P-value. Довірчий інтервал. Допоміжні метрики проведення оцінки A/B тесту в Python

Модуль 9. CV та junior-позиції / Кар'єра аналітика даних

• Майданчики для пошуку роботи
• CV (Резюме) та супровідний лист
• Процес найму
• Підготовка до HR-інтерв'ю
• Поширені питання на технічній співбесіді

Після курсу ти:

• Опануєш професію аналітика даних і можеш працювати в кращих компаніях світу
• Вмієш обробляти дані, будувати стратегії розвитку проєкту
• Знаєш фази проєкту та розумієш свою роль в них
• Маєш сформовані навички візуалізації результатів аналізу
• Розумієш, як все влаштовано в аналітиці даних, володієш ключовими інструментами аналізу
• Маєш прокачані хард скіли, щоб бути №1 серед кандидатів на посаду. Також маєш рекомендації від нас по CV та підготовку до співбесід

Особливості курсу

• Особистий кабінет для навчання
• Супровід ментора
• Практичні інтерактивні завдання
• Доступ до матеріалів курсу на 6 місяців
• Сертифікат після проходження курсу

Викладачі курсу

• Варенко Богдан - Тім лід команди аналітики в Evoplay
• Антон Заскока - Data Analyst
• Євген М'яновський - Data Analyst
• Вадим Довготелес - Data Analyst
• Євгенія Шпирук - Data Analyst