Kurs “Veri Analisti” - kurs 96.000 ruble. Yandex Atölyesinden, 7 aylık eğitim, tarih 7 Aralık 2023.

Bir veri analisti sayılardan ve değerlerden anlam çıkarır: trendleri görür, olayları tahmin eder ve bir şirketin müşterileri anlamasına, süreçleri optimize etmesine ve büyümesine yardımcı olur.

Piyasanın verileri faydalı bir şekilde kullanabilecek uzmanlara ihtiyacı var. Personel şirketi Ancor'un Eylül 2022'de yaptığı bir araştırma, Rus şirketlerinin %45'inin ekiplerine katılacak analistleri aradığını gösterdi.

Kursta öğreneceğiniz beceriler

İş unvanı
Analist, Veri Analisti, Veri Analisti

Gelişim fırsatları: Ürün Analisti, Pazarlama Analisti, BI Analisti, Veri Bilimi Uzmanı

Kullanacağınız teknolojiler ve araçlar şunlardır:
Python
Jüpiter Not Defteri
SQL
PostgreSQL
Tablo
A/B testleri
Analiz ederek para kazanmaya başlayın
Kıdemsiz bir pozisyondan başlayacak ve sonra yalnızca ilerleyeceksin. Kariyer basamaklarını tırmanacak ve değeriniz artacak. Ve bir gün senin için hiçbir bedel olmayacak.

Veri Analitiği Kurs Programını Tamamlayın
Sektörün ve işverenin ihtiyaçlarını karşıladığından emin olmak için onu düzenli olarak güncelliyoruz.

Başka bir deyişle, yalnızca işinizde kesinlikle yararlı olacak şeyleri öğrenirsiniz.

Ücretsiz kısım - 1 hafta

Ücretsiz Giriş: Python'un Temelleri ve Veri Analizi

Veri analizinin temel kavramlarını öğrenin ve veri analistlerinin ve veri bilimcilerinin ne yaptığını anlayın.

• Moskova Katanamileri. Verilerin ekranda görüntülenmesi. CSV dosyaları. Tablolarla çalışma. Isı haritaları. Bir sütunu bir tam sayıyla çarpmak.
• Koddaki hatalar. Sözdizimi hataları. Adlandırma hataları. Sıfıra bölme sırasında hatalar. Bir modülü içe aktarırken hatalar.
• Değişkenler ve veri türleri. Değişkenler. Veri tipleri. Sayılar ve dizelerle aritmetik işlemler.
• Hipotezlerin nasıl oluşturulacağı. Hipotezler. HADI döngüleri. Analitik düşünme. Grafikleri okumak.
• Veri bilimcileri ne yapar? Analist görevleri. Görevlerin açıklanması. Ayrışma. Proje aşamaları.
• Dönüşümleri kontrol etme. Dönüştürmek. Veri araştırması. Sonuçların oluşumu.
• Reklam kampanyalarının geri ödenmesi. Sütun grafiği. Elementlerin farklılığı. Sütunlarda indeksleme.
• Makine öğrenimi ve Veri Bilimi. Makine öğrenimi eğitimi. Sütunlarda benzersiz değerler bulma. Mantıksal indeksleme. Değerlerin bir tabloda gruplandırılması. Tahmin hataları.
• Bitirme projesi. Kullanıcı segmentasyonu.
PythonPandasHatalarSeabornHipotezlerDönüşümDeğişkenlerVeri TürleriIsı Haritaları

1 sprint 3 hafta

Temel Python

Python programlama dilini ve Pandas kütüphanesini daha derinlemesine inceleyin.

• Değişkenler ve veri türleri. Python dili. Değişkenler. Verilerin ekranda görüntülenmesi. Nesnelerin ekranda görüntülenmesi. Hata işleme, deneyin...operatör hariç. Veri tipleri. Veri türü dönüşümleri.
• Çizgiler. Satırlardaki dizinler. Hat kesintileri. Dizeler üzerinde işlemler. Dize yöntemleri. Dizeleri biçimlendirme, format() yöntemi, f-dizeleri.
• Listeler. Listelerdeki dizinler. Dilimleri listeleyin. Bir listeye öğe ekleme. Liste öğeleri kaldırılıyor. Listelerin toplanması ve çoğaltılması. • Listeleri sıralama. Listedeki öğeleri arayın. Bir dizeyi dize listesine bölme, dize listesini bir dizede birleştirme.
• Döngü için. Döngüler. Öğelerin numaralandırılması. Öğe endeksleri üzerinde yineleme. Döngüler kullanarak liste öğelerini işlemek: öğelerin toplamını ve çarpımını bulma.
• İç içe listeler. Sayma değerlerine sahip iç içe geçmiş listeler arasında döngü yapma. İç içe geçmiş listelere öğe ekleme. İç içe geçmiş listeleri sıralama.
• Koşullu operatör. Döngü sırasında. Boole veri türü. Boole değerleri. Mantıksal ifadeler. Bileşik mantıksal ifadeler. Koşullu ifade if...elif...else. Dallanma. Koşullu operatör kullanarak listeleri filtreleme. Döngü sırasında.
• İşlevler. Fonksiyonların atanması. Parametreler ve argümanlar. Varsayılan değerlere sahip parametreler. Konumsal ve adlandırılmış argümanlar. Bir fonksiyondan sonuç döndürme.
• Sözlükler. Anahtarlar ve değerler. Anahtara göre bir değer aranıyor. Sözlüğe öğe ekleme. Sözlüklerin listesi. Sözlüklerin güzel çıktısı.
• Pandalar kütüphanesi. CSV dosyalarını okuma. Veri çerçevesi. Veri çerçevesi yapıcısı. Bir veri çerçevesinin ilk ve son satırlarını yazdırma. Veri çerçevelerinde indeksleme. Seri sütunlarında indeksleme.
• Veri ön işleme. GIGO ilkesi. Veri çerçevesi sütunlarını yeniden adlandırma. Eksik değerlerin işlenmesi. Açık ve örtülü kopyaların işlenmesi.
• Veri analizi ve sonuçların sunumu. Verilerin gruplandırılması. Verileri sıralama. Tanımlayıcı istatistiklerin temelleri.
• Jupyter Notebook - hücredeki bir not defteri. Jupyter Notebook arayüzü. Jupyter Notebook kısayolları.
DöngülerPythonPandalarDizelerListelerFonksiyonlarSözlüklerVeriÇerçeveDeğişkenlerVeriTürleriKoşullu İfade
Proje
Yandex Müzik kullanıcı verilerini şehre ve haftanın gününe göre karşılaştırın.

2 sprint 2 hafta

Veri ön işleme

Verileri aykırı değerlerden, ihmallerden ve kopyalardan temizlemenin yanı sıra farklı veri formatlarını dönüştürmeyi öğrenin.

• Geçişlerle çalışmak. Dönüştürmek. Kurabiye. Kategorik ve niceliksel değişkenler. Kategorik değişkenlerdeki boşlukların ele alınması. Niceliksel değişkenlerdeki boşlukların ele alınması. Niceliksel değişkenlerdeki boşlukların kategoriye göre ele alınması.
• Veri türlerinin değiştirilmesi. Excel dosyalarını okuma. Serileri sayısal türe dönüştürün. Sayı modülü, abs() yöntemi. Tarih ve saatle çalışma. Hata işleme, deneyin...operatör hariç. Veri çerçevelerini birleştirme, merge() yöntemi. Pivot tablolar.
• Kopyaları arayın. Yinelenenleri arayın, büyük/küçük harfe duyarlıdır.
• Veri sınıflandırması. Tabloların ayrıştırılması. Sayısal aralıklara göre sınıflandırma. Satır başına birden fazla değere göre kategorilere ayırın.
• Bir analistin çalışmasında sistematik ve eleştirel düşünme. Sistem düşüncesi. Veri hatalarının nedenleri. Kritik düşünce.
PythonPandasBoşluk işlemeVeri işlemeYinelenen işlemeVeri sınıflandırması
Proje
Banka müşterileri hakkındaki verileri analiz edin ve kredi değerli olanların payını belirleyin.

3 sprint 2 hafta

Keşif amaçlı veri analizi

Olasılık ve istatistiğin temellerini öğrenin. Verilerin temel özelliklerini keşfetmek, kalıpları, dağılımları ve anormallikleri aramak için bunları kullanın. Matplotlib kütüphanesini tanıyın. Diyagramlar çizin ve grafikleri analiz etme alıştırmaları yapın.

• İlk grafikler ve sonuçlar. Pivot Tabloların Kullanımı. Grafik çubuğu. Dağıtımlar. Aralık diyagramı.
• Veri dilimlerinin incelenmesi. Sorgu() yöntemi. Tarih ve saatle çalışma. Plot() yöntemini kullanarak grafiklerin çizilmesi. Occam'ın usturası.
• Birden fazla veri kaynağıyla çalışma. Dış nesnelere dayalı veri dilimi. Veri çerçevesine yeni sütunlar ekleme. Diğer veri çerçevelerinden veri ekleme. Sütunları yeniden adlandırma. merge() ve join() yöntemlerini kullanarak tabloları birleştirme.
• Veri ilişkileri. Dağılım grafiği. Değişkenlerin korelasyonu. Dağılım grafiği matrisi.
• Sonuçların doğrulanması. Grupların konsolidasyonu. Verileri gruplara ayırma.
PythonPandasMatplotlibHistogramlarVeri DilimleriVeri AnaliziScatterplotScatterplotVeri GörselleştirmeAçıklayıcı İstatistikler
Proje
St. Petersburg ve Leningrad bölgesindeki gayrimenkul satışına ilişkin ilan arşivini keşfedin.

4 sprint 3 hafta

İstatistiksel veri analizi

İstatistiksel yöntemleri kullanarak verilerdeki ilişkileri analiz etmeyi öğrenin. İstatistiksel anlamlılığın ve hipotezlerin ne olduğunu öğrenin.

• Kombinatorik. Kombinasyonlar. Çarpma kuralı. Yeniden düzenlemeler. Permütasyon sayısı. Yerleşimler. Yerleşim sayısı. Kombinasyonlar. Kombinasyon sayısı.
• Olasılık teorisi. Deney. Olasılık uzayı. Olaylar. Olasılık. Kesişen ve birbirini dışlayan olaylar. Euler-Venn diyagramı. Büyük sayılar kanunu.
• Tanımlayıcı istatistikler. Kategorik ve niceliksel değişkenler. Mod ve medyan. Ortalama değer. Dağılım. Standart sapma. Çeyrekler ve yüzdelikler. Aralık diyagramı. Sütun grafiği. Frekans yoğunluğu. Grafik çubuğu.
• Rastgele değişkenler. Ayrık rassal değişken. Ayrık bir rastgele değişken için olasılık dağılımı. Ayrık bir rastgele değişkenin kümülatif fonksiyonu (dağılım fonksiyonu). Ayrık bir rastgele değişkenin matematiksel beklentisi. Ayrık bir rastgele değişkenin dağılımı.
• Dağıtımlar. Bernoulli'nin deneyi. Binom deneyi. Binom dağılımı. Sürekli düzgün dağılım. Normal dağılım. Standart normal dağılım. Normal dağılım için CDF ve PPF. Poisson Dağılımı. Bir dağılımın diğerine yaklaşımı.
• Hipotezlerin test edilmesi. Genel popülasyon. Örnek. Örnekleme dağılımı. Merkezi Limit Teoremi. Tek taraflı ve iki taraflı hipotezler. P değeri. Bir örnek için tek taraflı ve iki taraflı hipotezlerin test edilmesi. İki genel popülasyonun ortalamalarının eşitliği hakkındaki hipotezin test edilmesi. Bağımlı örnekler için ortalamaların eşitliği hipotezinin test edilmesi.
ScipyNumpyPythonPandasMatplotlibKombinatorikDağıtımlarHipotez testiOlasılık teorisi
Proje
İşletmenizi büyütmenize yardımcı olacak scooter kiralama hizmeti hipotezlerini test edin.

Ekstra Sprint

Olasılık teorisi

Olasılık teorisindeki temel terimleri hatırlayın veya tanıyın: bağımsız, zıt, uyumsuz olaylar vb. Basit örnekler ve eğlenceli problemler kullanarak sayılarla çalışma ve çözüm mantığını oluşturma pratiği yapacaksınız.

Bu isteğe bağlı bir sprinttir. Bu, her öğrencinin kendisinin seçeneklerden birini seçtiği anlamına gelir:
• 10 kısa dersten oluşan ek bir sprintte ustalaşın, teorinizi tazeleyin ve problemleri çözün.
• Yalnızca görüşme görevlerini içeren bloğu açın, teori olmadan uygulamayı hatırlayın.
• Kursu tamamen atlayın veya zaman ve ihtiyaç olduğunda kursa geri dönün.
PythonOlaylarOlasılıkBayes TeoremiRastgele DeğişkenlerOlasılık Teorisiİstatistiksel Veri Analizi

1 hafta 5 sprint

İlk modülün final projesi

Ön veri araştırmasını nasıl yürüteceğinizi ve hipotezleri nasıl formüle edip test edeceğinizi öğrenin.
ScipyNumpyPythonPandasMatplotlibVeri analiziHipotez testiVeri işleme
Proje
Oyun satış verilerindeki kalıpları bulun.

6 sprint 2 hafta

Temel SQL

Yapılandırılmış sorgulama dili SQL'in temellerini ve veritabanlarıyla çalışmaya yönelik ilişkisel cebiri öğrenin. Popüler bir veritabanı yönetim sistemi (DBMS) olan PostgreSQL'de çalışmanın özelliklerini öğrenin. Farklı karmaşıklık düzeylerinde sorgular yazmayı ve iş sorunlarını SQL'e çevirmeyi öğrenin. Filmler ve müzik konusunda uzmanlaşmış bir çevrimiçi mağazanın veri tabanıyla çalışacaksınız.

• Veritabanlarına giriş. Veritabanı yönetim sistemleri (DBMS). SQL dili. SQL sorguları. SQL sorgularını biçimlendirme.
• SQL'deki veri dilimleri. PostgreSQL'de veri türleri. Veri türü dönüşümü. WHERE cümlesi. Mantıksal operatörler. Veri dilimleri. IN, LIKE, BETWEEN operatörleri. Tarih ve saatle çalışma. Eksik değerlerin işlenmesi. Koşullu CASE yapısı.
• Toplama işlevleri. Verileri gruplama ve sıralama. Matematiksel işlemler. Toplama işlevleri. Verilerin gruplandırılması. Verileri sıralama. Toplanan verilere göre filtreleme, HAVING operatörü.
• Tablolar arasındaki ilişkiler. Tablo birleştirme türleri. ER diyagramları. Alanları ve tabloları yeniden adlandırma. Takma adlar. Tabloların birleştirilmesi. Birleşim türleri: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN. Alternatif sendika türleri UNION ve UNION ALL.
• Alt sorgular ve ortak tablo ifadeleri. Alt sorgular. FROM'daki alt sorgular. WHERE içindeki alt sorgular. Birleşimlerin ve alt sorguların birleşimi. Ortak Tablo İfadeleri (CTE). İsteklerin değişkenliği.
SQLDBMSPostgreSQLAlt sorgularVeritabanlarıSQL sorgularıVerileri filtrelemeVerileri sıralamaVerileri gruplamaTabloları birleştirmeOrtak tablo ifadeleri
Proje
Risk yatırımcıları, startuplar ve bunlara yapılan yatırımlarla ilgili verileri saklayan bir veritabanına, değişen karmaşıklıkta bir dizi sorgu yazacaksınız.

7 sprint 3 hafta

İş göstergelerinin analizi

İş dünyasında hangi ölçümlerin olduğunu öğrenin. İş dünyasında veri analizine yönelik araçları kullanmayı öğrenin: grup analizi, satış hunisi ve birim ekonomisi.

• Metrikler ve huniler. Dönüştürmek. Huniler. Pazarlama hunisi. Gösterimler. Tıklamalar. TO. Ürün hunisi.
• Kohort analizi. Kullanıcı profili. tutma oranı. Kayıp oranı. Analiz ufku. Kohort analizinin görselleştirilmesi. Rastgele grupların tutulma analizi. Kohort analizinde dönüşüm. Python'da metriklerin hesaplanması.
• Birim ekonomisi. Metrikler LTV, CAC, ROI. ARPU, ARPPU. Python'da metriklerin hesaplanması. Metriklerin gelişmiş görselleştirilmesi. Sharey parametresi. Hareketli ortalama.
• Özel ölçümler. Kullanıcı etkinliği değerlendirmesi. Kullanıcı oturumu. Anomali araştırması.
MetriklerDönüşümBirim ekonomisiKohort analiziÜrün metrikleriPazarlama metrikleri
Proje
Verilere dayanarak, kullanıcı davranışını anlayın ve pazarlama departmanına önerilerde bulunmak için müşteri kârlılığını ve reklam yatırım getirisini analiz edin.

8 sprint 2 hafta

Gelişmiş SQL

Veritabanlarıyla çalışma konusunda ek bir kurs alacak ve işe daha da yakınlaşacaksınız. SQL dilini kullanarak, “İş Göstergeleri Analizi” sprintinde aşina olduğunuz ana iş metriklerinin hesaplamasını analiz edeceksiniz. Pencere işlevleri gibi karmaşık bir araçla çalışmayı düşünün. Python için özel istemci programları ve kitaplıkları kullanarak veritabanlarının içeriğini simülatör olmadan yerel olarak değiştirmeyi öğrenin.

• İş göstergelerinin hesaplanması. Veri şeması. Dönüştürmek. LTV. ARPU. ARPPU. yatırım getirisi. SQL kullanarak hesaplama.
• Pencere işlevlerinin toplanması. AŞIRI ifade. PARTITION BY pencere parametresi.
• Pencere sıralama fonksiyonları. Sıralama fonksiyonları. Pencere ORDER BY operatörü. SATIR NUMARASI(). RÜTBE(). DENSE_RANK(). NTILE(). Sıralama işlevleriyle birlikte pencere operatörleri.
• Pencere ofset fonksiyonları. Kümülatif değerler. Ofset fonksiyonları. YOL GÖSTERMEK(). LAG(). Pencere işlevleri ve takma adlar.
• Kohort analizi. Elde Tutma Oranı, Kayıp Oranı. LTV.
• Veritabanının ve veritabanı istemcisinin kurulumu ve konfigürasyonu. Veritabanı istemcisi. PostgreSQL'in kurulumu. DBeaver'ı yükleme. DBeaver arayüzü. Veritabanı oluşturma. Veritabanı dökümü dağıtma. Sorgu sonuçları yükleniyor. Sorgu sonuçlarının sunumu.
SQLDBMSÖlçümlerPostgreSQLVeritabanlarıSQL sorgularıPencere işlevleriKohort analizi
Proje
Python ve SQL kullanarak bir veritabanına bağlanın, bir programlama Soru-Cevap hizmet sisteminde temel ölçümleri hesaplayın ve görselleştirin.

9 sprint 2 hafta

İş hayatında karar verme

A/B testinin ne olduğunu öğrenecek ve hangi durumlarda kullanıldığını anlayacaksınız. A/B testi tasarlamayı ve sonuçlarını değerlendirmeyi öğrenin.

• İş dünyasında hipotez testinin temelleri. Öncü metrikler. Deneylerin temelleri. Hipotezlerin üretilmesi. Metriklerin önceliklendirilmesi. Bir deney yapmak için bir yöntem seçmek. Hipotezleri test etmek için nitel yöntemler. Hipotezleri test etmek için nicel yöntemler. A/B testlerinin avantajları ve dezavantajları.
• Hipotezlerin önceliklendirilmesi. RICE çerçevesi. Erişim parametresi. Etki parametresi. Güven parametresi. Çaba parametresi.
• A/B testi yapmaya hazırlanıyoruz. A/A testi. Tip I ve II hataları. İstatistiksel testin gücü. İstatistiksel testin önemi. Çoklu karşılaştırmalar, hata olasılığını azaltacak yöntemler. A/B testinin örneklem büyüklüğünün ve süresinin hesaplanması. Metriklerin grafiksel analizi.
• A/B testi sonuçlarının analizi. Payların eşitliği hipotezinin test edilmesi. Verilerin normalliğini test etmek için Shapiro-Wilk testi. Parametrik olmayan istatistiksel testler. Mann-Whitney testi. Kümülatif ölçümlerin kararlılığı. Aykırı değerlerin ve patlamaların analizi.
• Davranışsal algoritmalar. Gerçekler, duygular, değerlendirmeler. Bakış açınızı açıklayın.
A/B testiHipotezlerin önceliklendirilmesiA/B testi için hazırlıkA/B testi sonuçlarının analiziA/B testi sonuçlarının analizi
Proje
Büyük bir çevrimiçi mağazadaki A/B testinin sonuçlarını analiz edin.

1 hafta 10 sprint

İkinci modülün final projesi

A/B testini kullanarak istatistiksel hipotezleri test etmeyi ve analitik rapor formatında sonuçlar ve öneriler hazırlamayı öğrenin.
Satış hunisiA/B testiVeri işlemeAraştırma verileri analizi
Proje
Satış hunisini keşfedin ve mobil uygulamadaki A/B testinin sonuçlarını analiz edin.

11 sprint 2 hafta

Verilerle bir hikaye nasıl anlatılır?

Araştırmanızın sonuçlarını grafikler, en önemli rakamlar ve bunların doğru yorumlarını kullanarak nasıl doğru bir şekilde sunacağınızı öğreneceksiniz. Seaborn ve Plotly kütüphanelerini tanıyın.

• Kime, nasıl, neyi ve neden anlatılacağı. Araştırma sonucunun sunumu. Anlatıcının hedef kitlesi. Bir veri analistine neyi ve neden söylemeli?
• Seaborn Kütüphanesi. Matplotlib kütüphanesinin bir uzantısı olarak Seaborn kütüphanesi. joinplot() yöntemi. Renk aralıkları. Grafik stilleri. Dağılımların görselleştirilmesi.
• Plotly kütüphanesi. Etkileşimli grafikler. Çizgi grafiği. Sütun grafiği. Yuvarlak diyagram. Huni grafiği.
• Jeoanalitikte veri görselleştirme. Jeoanalitik. Kütüphane Folyosu. Harita ekranı. İşaretçileri belirtilen koordinatlarla ayarlama. Nokta kümeleri oluşturma. İşaretçiler için özel simgeler. Horoplet.
• Sunum hazırlamak. Çalışmaya dayalı sonuçlar. Mevsimsellik ve dış faktörler. Mutlak ve bağıl değerler. Simpson paradoksu. Sunum oluşturma ilkeleri. Jupyter Notebook'taki raporlar.
PlotlyFoliumSeabornMatplotlibSunumJeoanalitikVeri görselleştirme
Proje
Moskova'daki toplu yemek işletmelerine ilişkin açık verilere dayalı bir pazar araştırması hazırlayın, elde edilen verileri görselleştirin.

12 sprint 2 hafta

Tableau'da gösterge tabloları oluşturma

Bu sprintte Tableau BI sistemiyle çalışacaksınız. Verilere bağlanmayı ve bunları değiştirmeyi, farklı türde grafikler oluşturmayı, kontrol panelleri ve sunumlar oluşturmayı öğrenin.

• Tableau ile çalışmanın temelleri. İş zekası sistemleri. Tablo. Bir belge oluşturma. Belgeyi kaydetme. Belgenin yayınlanması.
• Veri kaynaklarıyla çalışmak. Veri kaynakları. Veri birleştirme. İlişki yöntemi. Katıl yöntemi. Karışım yöntemi. Birlik yöntemi. Tablo formatını değiştirme.
• Veri tipleri. Temel veri türleri. Ölçümler. Miktar. Tarih ve saatle çalışma. Setler. Gruplar. Seçenekler. Değişkenlerin biçimini değiştirme. Değişkenler Ölçü Adları, Ölçü Değerleri, Sayım.
• Tablolar ve hesaplamalar. Sayfa düzenleme arayüzü. Pivot tablolar. Hesaplanan alanlar. LOD ifadeleri.
• Filtreler ve sıralama. Ölçülerin sıralanması. Boyutları sıralama. İç içe geçmiş türler. Bir parametre kullanarak sıralama. Filtreler.
• Görselleştirmeler. Görselleştirme kontrolleri. Isı haritaları. Pasta grafikler. Sütun çizelgeleri. Histogramlar. Aralık diyagramları. Dağılım diyagramı. Çizgi grafikleri. Birleşik grafikler. Alan çizelgeleri.
• Özel görselleştirmeler ve araç ipuçları. Kartlar. Karakter haritası. Kabarcık grafiği. Ağaç haritası. Daire görünümleri diyagramları. Madde işareti diyagramları. Gantt çizelgeleri. Görselleştirmelerdeki adları ölçün ve değerleri ölçün. Tersine mühendislik. Araç ipuçları. Görselleştirmeler içeren araç ipuçları. Grafiklerdeki eşik değerleri. Özel'deki analitik araçlar.
• Sunumlar. Ekstra seçenekler. Tipik parametrelerin incelenmesi. Bir sunum oluşturma.
• Gösterge tabloları. Verilerin yüklenmesi ve hazırlanması. Görselleştirmelerin hazırlanması. Kontrol paneli montajı. Hareketler. Kontrol paneli gösterimi. Bir kontrol paneli yayınlama.
TableauKontrol PanelleriBI-araçlarıBI-araçlarıVeri görselleştirme
Proje
TED konferanslarının geçmişini araştırın ve elde edilen verilere dayanarak Tableau'da bir gösterge tablosu oluşturun.

Ekstra Sprint

Makine Öğreniminin Temelleri

Makine öğreniminin temelleri hakkında bilgi edinin ve iş dünyasında makine öğreniminin ana görevleri hakkında bilgi edinin.
PythonPandasSklearnMakine öğrenimiMakine öğrenimi görevleriMakine öğrenimi algoritmaları

Ekstra Sprint

Python'u deneyin

Python programlama dilinde ek görevlerle birlikte birkaç laboratuvar dersi alacaksınız. Ayrıca web kaynaklarından nasıl veri çıkaracağınızı da öğreneceksiniz.

Olacaksın:
• HTML sayfalarının yapısında ve GET isteklerinin işleyişinde,
• basit düzenli ifadeler yazmayı öğrenin,
• API ve JSON'u tanıyın,
• sitelere çeşitli taleplerde bulunun ve veri toplayın.
JSONPythonREST APIWeb kazıma

13 sprint 3 hafta

Mezuniyet projesi

Son projede yeni bir mesleğe hakim olduğunuzu onaylayın. Müşterinin görevini netleştirin ve veri analizinin tüm aşamalarından geçin. Artık ders veya ödev yok - her şey gerçek bir işte olduğu gibi.

Son sprint proje çalışmasını, A/B testini, SQL görevlerini ve ek bir görevi içerir. Proje, sorunun bir açıklamasını, beklenen sonucu, bir dizi veriyi ve bunların açıklamasını içerir.

Görev beş iş alanından biriyle ilgilidir:
• bankalar,
• perakende,
• oyunlar,
• mobil uygulamalar,
• e-ticaret.

Projedeki adımların olağan bir açıklaması olmayacaktır. Bunları kendiniz halledeceksiniz.
SQ LPython PandasTableau Kontrol Panelleri Postgre SQL Ayrıştırma A/B testi