Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. На курсе мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

71,1% выпускников трудоустраиваются
Мы делаем всё, чтобы студенты нашли новую работу после обучения: выдаём официальный диплом, учим собирать портфолио проектов, помогаем с поиском работы.

71,1% выпускников находят работу, большинство из них — за 4 месяца после выпуска. Институт образования НИУ ВШЭ подтвердил данные через исследование трудоустройства выпускников.

Часть 5

Принятие решений в бизнесе на основе данных
- Основы проверки гипотез в бизнесе
  - Введение
  - Что нужно бизнесу
  - Опережающие метрики. Декомпозиция
  - Определение важных метрик
  - База экспериментов
  - Оставить нельзя экспериментировать
  - Как генерировать идеи
  - Формулируем гипотезу правильно
  - Заключение
- Выбор метода проведения эксперимента
  - Введение
  - Методы проведения эксперимента
  - Качественные методы проверки гипотезы
  - Количественные методы проверки гипотезы. A/B-тест
  - Преимущества и недостатки A/B-теста
  - Пример результатов A/B-теста
  - Заключение
- Приоритизация гипотез
  - Введение
  - Зачем и как приоритизировать гипотезы
  - Параметр Reach
  - Параметр Impact
  - Параметр Confidence
  - Параметр Efforts
  - Заключение
- Подготовка к проведениею A/B-теста
  - Введение
  - A/A-тест
  - Ошибки I и II рода при проверке гипотез. Мощность и значимость
  - Множественные сравнения: A/B и A/B/n-тесты
  - Расчет размера выборки и длительности теста
  - Графический анализ метрик и определение предметной области
  - Заключение
- Анализ результатов A/B-теста
  - Введение
  - Проверка гипотезы о равенстве долей
  - Проверка данных на нормальность. Критерий Шапиро-Уилка
  - Непараметрический тест Уилкоксона-Манна-Уитни
  - Стабильность кумулятивных метрик
  - Анализ выбросов и всплесков: крайние значения данных
  - Анализ A/B-теста шаг за шагом
  - Долгожданные выводы из A/B-теста
  - Основные ошибки при анализе A/B-тестов
  - Заключение
- Поведенческие алгоритмы
  - Факты, эмоции и оценка
  - Умение внятно объяснить свою позицию
- Проектная работа(проект)
Как рассказать историю с помощью данных
- Подготовка презентации
  - Введение
  - Как рассказать о своем исследовании
  - Кому рассказывать истории
  - Сезонность и внешние факторы
  - Покупаем авиабилеты
  - Абсолютные и относительные величины
  - Парадокс Симпсона
  - Когда график — ваш враг
  - Виды графиков для различной информации
  - Основные принципы построения презентации
  - Отчет в Jupyter Notebook
  - Заключение
- Библиотека Seaborn
  - Введение
  - Почему не хватате matplotlib?
  - Метод jointplot()
  - Цветовая гамма
  - Стили графиков
  - Категориальные данные
  - Визуализация распределения
  - Нестандартные графики в seaborn
  - Заключение
- Библиотека plotly
  - Введение
  - Интерактивные графики
  - Установка Python и Jupyter Notebook
  - Базовые графики plotly.
  - Круговая диаграмма
  - График воронки
  - Заключение
- Проектная работа (проект).
Cборный проект — 2
- Событийная аналитика

§ Введение
§ Что такое событийная аналитика
§ Принципы отслеживания событий
§ Приемы событийно аналитики
§ Aha-момент
§ Заключение

o Проектная работа (Проект)
o Заключение

[Яндекс Практикум] Как стать аналитиком данных. Часть 5/6