[Яндекс Практикум] BI-аналитик [Яндекс Практикум]

[SlivInfoKurs]

чина:


Описание:
За 10 месяцев научитесь превращать данные в наглядные графики и отчёты для бизнеса. Получите реальный опыт и сразу 2 специальности: аналитик данных и BI-аналитик.

Курс «BI-аналитик»:

• Актуальная программа и навыки, которые нужны работодателям
• DataLens, Superset, Python, SQL и проекты на основе реальных задач аналитиков
• Через 7 месяцев у вас будет достаточно навыков, чтобы работать аналитиком данных

Усилите навыки с помощью нейросетей чтобы они работали вместе с вами, а не вместо вас.

Программа курса «BI-аналитик»:

1. Вводный модуль
2. Введение в аналитику. Отчёт в Google Таблицах
3. Основы SQL. Извлечение данных для анализа
4. SQL. Обработка данных
5. SQL. Анализ данных и решение ad-hoc-задач
6. Визуализация данных и дашборды
7. Основы Python
8. Python. Предобработка данных
9. Исследовательский анализ данных и визуализация
10. Расчёт и визуализация бизнес-метрик и показателей
11. Формулировка и проверка гипотез
12. Анализ результатов A/B-тестирования
13. Сбор требований и прототипирование
14. Дизайн дашборда и документирование его логики
15. Завершение работы над дашбордом. Superset
16. Проектирование витрины и предобработка данных
17. Углублённая работа с данными
18. Итоговый проект
19. Кейсы от работодателей
20. Нейросети для BI-аналитиков

Спойлер: Подробно
Вводный модуль

• Кто такой BI-аналитик
• Как проходит обучение
• Помощь с трудоустройством

Введение в аналитику. Отчёт в Google Таблицах

• Использование данных в бизнесе
• Процесс анализа данных и задачи аналитика
• Excel как инструмент аналитика. Основы Google Таблиц
• Предобработка данных в Google Таблицах
• Использование формул и функций
• Презентация данных
• Проект: отчёт в Google Таблицах для салона красоты

Основы SQL. Извлечение данных для анализа

• Работа с базами данных
• Типы данных и их преобразования
• Фильтрация данных и агрегация
• Группировка и сортировка данных
• Проект: сбор статистики прослушиваний музыкального стриминга

SQL. Обработка данных

• Связи между таблицами
• Работа с пропущенными значениями и дубликатами
• Присоединение таблиц
• Операции множеств и подзапросы
• Категоризация значений. Создание новых столбцов
• Работа с датой и временем
• Проект: анализ данных клиентов оператора связи Мегасеть

SQL. Анализ данных и решение ad-hoc-задач

• Знакомство с базой данных
• Оконные функции. Агрегирующие функции
• Оконные ранжирующие функции
• Оконные функции смещения
• Описательная статистика. Аналитические функции
• Практика решения ad-hoc-задач
• Проект: анализ данных о продажах в онлайн-игре Секреты Темнолесья

Визуализация данных и дашборды

• Визуализация в работе аналитика. Знакомство с DataLens
• Основы визуализации. Чарты
• Вычисляемые поля
• Дашборды
• Параметры
• Интерпретация данных из дашбордов
• Проект: дашборд на основе данных конференции TED
• Итоговый проект модуля: анализ объявлений о продаже недвижимости

Основы Python

• Основы синтаксиса Python
• Определение данных и их типы
• Условные выражения
• Циклы и их организация
• Функции в Python
• Словари и множества
• Работа с вложенными структурами
• Проект: проверочные задания на знание синтаксиса Python

Python. Предобработка данных

• Основы библиотеки Pandas. Обзор данных
• Типы данных. Работа с датой и временем
• Индексация в датафреймах. Фильтрация данных
• Работа с пропущенными значениями
• Обработка дубликатов
• Категоризация данных
• Проект: предобработка данных онлайн-игры Секреты Темнолесья

Исследовательский анализ данных и визуализация

• Объединение датафреймов
• Описательная статистика
• Взаимосвязь переменных
• Визуализация для изучения данных
• Сводные таблицы
• Пример исследовательского анализа данных
• Проект: анализ данных рынка заведений Москвы для инвестфонда
• Итоговый проект модуля: исследование данных о стартапах

Расчёт и визуализация бизнес-метрик и показателей

• Что такое бизнес-метрики и зачем они нужны
• Расчёт, визуализация и интерпретация продуктовых метрик
• Продуктовая воронка
• Расчёт метрик конверсии и LTV по когортам
• Выбор ключевых и кастомных метрик
• Проект: расчёт, визуализация и анализ метрик сервиса доставки еды

Формулировка и проверка гипотез

• Основы теории вероятностей
• Случайные величины
• Распределения
• Основы статистики
• Проверка гипотез
• Проект: проверка бизнес-гипотез для сервиса GoFast

Анализ результатов A/B-тестирования

• Что такое A/B-тесты и зачем они нужны
• Выбор метрики для проверки гипотезы
• Расчёт размера выборки. Валидация результатов
• Проверка результатов A/B-теста. Тест Манна — Уитни. Z-тест пропорций
• Проект: A/B-тестирование для рекомендательной системы приложения
• Итоговый проект модуля: расчёт метрик и проверка гипотезы

Сбор требований и прототипирование

• Введение в BI-аналитику
• Инструменты BI и их реализация
• Интервью с заказчиком для сбора требований
• Принципы и методы документирования бизнес-требований
• Типы визуализации
• Принципы дизайна дашбордов
• Эскизы дашбордов
• Проект: подбор инструмента для конкретной задачи и выбор визуализации

Дизайн дашборда и документирование его логики

• Дополнительные чарты в DataLens
• Интерактивность и параметризация дашбордов
• Форматирование текста на дашбордах с помощью Markdown
• Основы администрирования в DataLens
• Документирование и закрепление результатов дашборда
• Проект: сборка макета дашборда в DataLens

Завершение работы над дашбордом. Superset

• Введение в Superset: чарты, датасеты и дашборды
• Интерактивность и параметризация дашбордов
• Форматирование текста на дашбордах
• Основы администрирования в Superset
• Проект: сборка макета дашборда в Superset
• Итоговый проект модуля: дашборд в Superset по данным из PostgreSQL и интервью с заказчиком, документация дашборда в Confluence

Проектирование витрины и предобработка данных

• Принципы создания витрин данных
• Параметризация и фильтрация данных в Superset
• Продвинутые техники SQL в DataLens
• Основы администрирования в Superset
• Документирование и закрепление знаний
• Проект: подключение и очистка датасетов, создание дашборда в DataLens

Углублённая работа с данными

• Основы SQL для BI-аналитиков
• Построение дашбордов по макету и готовому датасету
• Оптимизация запросов и правила хорошего кода
• Сложный SQL в Superset
• Качество данных для дашбордов
• Проект: решение SQL-задач на разных бизнес-кейсах
• Итоговый проект модуля: решение SQL‑задач, которые встречаются на собеседованиях

Итоговый проект

• Решение сложных аналитических кейсов на большом объёме реальных данных с помощью PostgreSQL, DataLens и Superset. Документация результата в Confluence и презентация решения.
• Проект: комплексный дашборд, чтобы отслеживать ключевые показатели

Кейсы от работодателей

• Это задачи от наших партнёров, которые будут встречаться в течение всего курса. Они основаны на реальных бизнес-кейсах — вы узнаете, с чем работают аналитики данных каждый день.

Нейросети для BI-аналитиков

• Навыки работы с ИИ сейчас так же важны, как и хардскилы. Поэтому модуль по нейросетям входит в базовую программу.
• В нём вы узнаете, как устроены нейросети, освоите промпт‑инжиниринг и научитесь выбирать AI-инструменты для разных задач — от освоения новых технологий до повседневных обязанностей BI-аналитиков.
• После обучения сможете применять ИИ в работе:
• Генерировать SQL-запросы по бизнес-требованиям
• Создавать и корректировать формулы в таблицах
• Разрабатывать фрагменты кода на Python
• Проводить диагностику кода и исправлять в нём ошибки
• Брейнштормить гипотезы для исследований
• Анализировать и структурировать бизнес-требования
• Делать пользовательские инструкции
• Выполнять первичный анализ табличных данных
• Визуализировать данные
• Готовить презентации
• Практика: освоите техники работы с ИИ для решения 10+ типовых задач BI‑аналитиков

Цена 142500 руб.
Скрытая ссылка

Этот курс появится в скором времени на форуме kursstore.com Проверьте по поиску форума, возможно данный курс уже слит.

​