Привет! В этом репозитории я сохраняю все лекции, практические задания и минипроекты с karpov.courses по направлению "Аналитик данных".

⭐ Все проекты, лекции и практические задания находятся здесь 🔭

• Python
  • Введение в питон и интерфейс Jupyter-Notebook
  • Знакомство с pandas
  • Продвинутый pandas и знакомства с визуализацией на Python
  • Работа с грязными данными
  • Время и сводные таблицы
  • Оконные функции и интерактивные графики
  • API (GoogleSpreadsheets, Яндекс.Метрика)
  • Продвинутые темы pandas и задания со звездочкой
• GIT
  • Что такое контроль версий и для чего он нужен
  • Продвинутый функционал GIT
• SQL
  • Введение и операторы
  • Группировка и агрегатные функции
  • Объединение таблиц - JOIN
  • Типы данных и их преобразование
  • Подзапросы, представления, создание таблиц
  • ETL (Python + SQL)
  • Графики, дашборды и мониторинги
  • Оконные функции
  • Развертывание аналитического стека
• Теория вероятностей
  • Сложение и произведение вероятностей
  • Формула Бернулли
  • Условная вероятность
• Промежуточный проект
• Статистика
  • Основные понятия статистики
  • Проверка гипотез
  • Статистический вывод
  • Сравнение средних значений (Т-тест)
  • Сравнение средних значений(Дисперсионный анализ)
  • Корреляция и регрессия
  • Множественный регрессионный анализ
  • Введение в проблематику А/В тестов
  • Bootstrap как метод проверки статистических гипотез
  • A/A тесты и проверка качества систем сплитования
  • Аналитика категориальных переменных
  • А/В тесты: практика
  • Сложные кейсы и особенности
• Визуализация
  • Зачем нужна визуализация. Основы Tableau
  • Как сделать дашборд
  • Сбор требований: Dashboard Canvas
  • Расчеты и интерактивность
  • Обзор BI-систем
• Развитие продукта
  • Методики определения потребностей пользователя: основные фреймворки
  • Основы управления продуктом
  • Методология управления IT-проектами
• Продуктовая аналитика
  • Экономика продукта
  • Приоритизация
  • Метрики продукта
  • Методы сегментации клиентов и целевой аудитории
  • Основы презентации результатов исследования заказчику
• Apache Airflow
  • Cron и основные принципы Airflow
  • Разбор устройства DAG в Airflow
  • Создаем свой собственный DAG
• Как искать работу
  • Разные роли аналитика в бизнесе
  • Собеседование и резюме
• Финальный проект

---

Требования

Основные инструменты разработки:

• язык программирования Python3 и его библиотеки:

  • аналитические библиотеки Pandas, Statsmodel;

  • библиотеки для выполнения научных и инженерных расчётов NumPy, math, SciPy;

  • библиотеки для визуализации данных Matplotlib, seaborn, plotly;

  • библиотека машинного обучения sklearn;

  • вспомогательные библиотеки datetime, display, warnings, requests, fbprophet, vk_api, gspread, holidays, io, urllib.parse;

• среда программирования Jupyter Notebook;

• язык запросов SQL (ClickHouse, PostgreSQL);

• BI-системы Tableau, DataLens, Superset.

---

Дополнительно

Stepik_courses - сохраняю пройденные курсы, сертификаты.

DataCamp_projects - проекты на Python, SQL, R.

pet_projects - pet-проекты.

codewars_solutions, HackerRank_solutions, LeetCode_solutions - решения задач на языках Python, SQL, Ruby, Scala, Java, JavaScript.