Курс Junior Data Analyst

На курсі ви поступово опануєте всі актуальні інструменти дата-аналітика. Розпочнете навчання з найпростіших таблиць у Google Sheets, вивчите SQL, перетворення типів даних та основні функції баз даних. Згодом перейдете до Python для трансформації та аналізу даних. Навчитеся візуалізувати дані з використанням Looker Studio та Tableau. Останній модуль навчання - математична статистика, завдяки якій ви опануєте A/B-тестування та метрики продукту.

Програма курсу

Інтро

Знайомство з курсом та професією Data Analyst.

Результат:

• Розумієте відмінність між аналітиком даних, бізнес-аналітиком, фінансовим аналітиком, вебаналітиком, продуктовим аналітиком тощо
• Маєте уявлення про інструментарій аналітика даних

Google Sheets для Data Analyst

• Можливості Google Sheets та вбудовані формули
• Аналіз даних у Google Sheets
• Таблиці та візуалізація даних у Google Sheets
• Воркшоп з Google Sheets

Результат:

• Розумієте, з яких етапів складається аналіз даних
• Вмієте користуватися базовими функціями Google Sheets для аналізу даних

Робота з базами даних

• Введення в теорію баз даних
• Знайомство з інтерфейсом Google BigQuery
• Синтаксис SQL: оператори
• Розв’язання простих практичних задач за темою
• Функції агрегації даних, аналітичні функції
• Data definition language: створюємо власний проєкт і наповнюємо його даними
• Розв'язання простих практичних задач за темою
• Воркшоп: синтаксис SQL, функції агрегації даних
• Оператори об'єднання даних [JOIN, UNION]
• Воркшоп: робота з операторами JOIN та UNION
• Типи даних та їхнє перетворення
• Розв'язання простих практичних задач за темою
• Підзапити, CTE, View
• Schedule query
• Регулярні вирази (regex)
• Воркшоп: підзапити, CTE та View
• Віконні функції
• Розв'язання простих практичних задач за темою
• Оптимізація запитів, індекси, CRUD-оператори
• Воркшоп: робота з віконними функціями + оптимізація запитів

Результат:

• Розумієте принципи роботи баз даних, їхні переваги та обмеження
• Працюєте з BigQuery, створюєте SQL-запити різної складності для аналізу даних
• Володієте навичками групування даних, використання математичних функцій та об'єднання таблиць
• Працюєте з підзапитами, CTE, View та регулярними виразами
• Вмієте розраховувати складні метрики за допомогою віконних функцій, підключати різні джерела даних та оптимізувати SQL-запити

Python для трансформації та аналізу даних

• Вступ до Python: встановлення та налаштування середовища
• Основні типи даних
• Основні оператори, операції з різними типами даних
• Умовні оператори та цикли
• Бібліотеки Python для роботи з даними
• Pandas. Робота з датафреймами
• Воркшоп: Python для роботи з даними
• Підключення до баз даних і трансформації даних
• Воркшоп: підключення до баз даних і трансформації даних
• Аналіз та візуалізація даних у Python
• Парсинг даних за допомогою Python
• Знайомство з Git, Terraform та Airflow
• Воркшоп: аналіз даних за допомогою Python

Результат:

• Розумієте мови програмування та їхню роль в аналітиці, вмієте налаштовувати середовище програмування та працювати з циклами
• Володієте навичками роботи з функціями, структурами даних (списки, словники, кортежі, множини) та розумієте їхню алгоритмічну складність
• Вмієте працювати з Pandas, аналізувати дані за допомогою Python та створювати візуалізації
• Працюєте з базами даних через конектори, вмієте отримувати й трансформувати дані
• Знаєте основи Git, Airflow та вмієте працювати з Terraform

Блок 4. Візуалізація даних

• Вступ до візуалізації
• Looker Studio: огляд і базові можливості
• Воркшоп: візуалізація з Looker Studio
• Tableau: огляд і базові можливості
• Воркшоп: візуалізація з Tableau

Результат:

• Розумієте принципи та важливість візуалізації даних, знаєте інструменти для її створення
• Вмієте працювати з Looker Studio й Tableau: налаштовувати акаунти, підключати різні джерела даних, створювати як прості, так і складні дашборди
• Володієте навичками візуалізації даних в обох інструментах та вмієте підключати нові джерела даних

Згадати все - матстат на практиці

• Застосування та базові терміни мат. статистики
• Описова статистика: міри центральної тенденції
• Описова статистика: міри мінливості
• Описова статистика: квантилі розподілу та їхня візуалізація
• Просунуті теми мат. статистики: види розподілу
• Мат. статистика: важливі правила й теореми
• Кореляція, регресія та визначення A/B-тестування
• Воркшоп: мат. статистика на практиці
• Метрики продукту: дані та аналітичні системи
• Принципи збору даних
• Метрики продукту
• Сегментація користувачів
• Воркшоп: метрики продукту

Результат:

• Розумієте, для чого застосовують мат. статистику в аналізі даних, і вмієте розрахувати базові статистики для датасету
• Знайомі з поняттям A/B-тестів, вмієте рахувати метрики продукту й писати вимоги для збору базових подій та метрик

Підсумки

• Підготовка до курсового проєкту - як презентувати результати аналізу (онлайн)
• Захист курсового проєкту

Результат:

• Розумієте всі етапи процесу аналізу даних і можете застосовувати їх до реального кейсу
• Знаєте, як правильно підготуватися до презентації результатів проведеного аналізу

Розвиток кар'єри в ІТ

• Розвиток кар'єри в ІТ
• Стратегія пошуку роботи
• Ефективне резюме і супровідний лист
• Проходження процесу відбору до компанії

Результат:

• Маєте власну стратегію пошуку роботи
• Правильно оформлюєте власні соцмережі, щоби приваблювати увагу рекрутерів
• Знаєте, як написати супровідний лист і зацікавити роботодавця
• Вмієте презентувати себе

Особливості курсу

• Досвід від практиків
• Нетворкінг з колегами
• Стажування для кращих
• Можна повернути кошти до 3 заняття
• Інструменти для роботи
• Воркшопи
• Підготовка резюме та портфоліо
• Самостійна робота з реальними даними

Викладачі курсу

• Вікторія Кириченко - Lead Analytics Engineer at Railsware
• Юлія Ларіонова - Data Analyst at MEGOGO