Εξειδίκευση "Αναλυτής δεδομένων" - μάθημα 2900 τρίψτε. από Stepik, εκπαίδευση 36 μαθημάτων, Ημερομηνία: 29 Οκτωβρίου 2023.
μικροαντικείμενα / / December 05, 2023
Αναλυτής δεδομένων, αναλυτής προϊόντων, αναλυτής βάσης πελατών, αναλυτής CRM, επιστήμονας δεδομένων - όλα αυτά τα επαγγέλματα σχετίζονται με την ανάλυση δεδομένων.
🎯 ΚΟΡΥΦΑΙΕΣ απαιτήσεις για αυτά τα επαγγέλματα:
- Γνώση SQL και εμπειρία εργασίας με βάσεις δεδομένων.
- Γνώση βασικής σύνταξης Python και γνώση της βιβλιοθήκης Pandas.
- Γνώση στατιστικών και ικανότητα εφαρμογής τους στην ανάλυση δεδομένων.
- Αναλυτική σκέψη.
Αυτή δεν είναι μια πλήρης λίστα. Για παράδειγμα, οι αναλυτές ιστού πρέπει να γνωρίζουν το Google Analytics και το Yandex. Μετρικές και για επιστήμονες δεδομένων - μηχανική μάθηση. Έδωσα όμως τις βασικές απαιτήσεις που βρίσκονται στο 70-80% των κενών θέσεων.
Η εξειδίκευση του Data Analyst αποτελείται επί του παρόντος από δύο μαθήματα:
1️⃣ SQL για όλους
Κατά τη διάρκεια του μαθήματος, θα κατακτήσετε την SQL στο επίπεδο της σύνταξης πολύπλοκων ερωτημάτων SQL και θα εξασκηθείτε χρησιμοποιώντας δεδομένα από μια εμπορική εταιρεία σε ένα από τα πιο δημοφιλή συστήματα διαχείρισης βάσεων δεδομένων.
Το μάθημα έχει σχεδιαστεί για αρχάριους που θέλουν να κατακτήσουν την SQL, καθώς και όσους γνωρίζουν την SQL σε βασικό επίπεδο, αλλά θέλουν να καλύψουν τα κενά και να εμπεδώσουν τις γνώσεις τους στην πράξη.
2️⃣ Python: Ανάλυση δεδομένων με Pandas
Το μάθημα είναι αφιερωμένο στην πρακτική εργασία με τα πάντα. Θα λάβετε την απαραίτητη θεωρία και θα την ενισχύσετε με ένα μεγάλο αριθμό πρακτικών προβλημάτων.
Το μάθημα είναι κατάλληλο για όσους είναι ήδη εξοικειωμένοι με τη βασική σύνταξη Python:
- Γνωρίζει βασικούς τύπους δεδομένων (συμπεριλαμβανομένων λιστών και λεξικών) και λειτουργίες σε αυτούς.
- Έχει κατανόηση του τι είναι συνάρτηση και μέθοδος.
Το μάθημα μπορεί να παρακολουθηθεί ακόμη και από αρχάριους που μπορούν να καταλάβουν ανεξάρτητα πώς να εγκαταστήσουν την Python και τη βιβλιοθήκη Pandas. Αλλά, εάν μόλις ξεκινάτε με την Python, θα πρέπει να προλάβετε κάποια βασικά πράγματα μόνοι σας καθώς προχωρά το μάθημα. Παρεμπιπτόντως, μπορείτε να αποκτήσετε βασικές γνώσεις για τη σύνταξη Python σε αυτό το μάθημα. Τότε η εκμάθηση των Panda θα είναι πολύ πιο εύκολη.
Η ιδέα των μαθημάτων βασίζεται σε τρεις αρχές:
Απλότητα
Η παρουσίαση του υλικού είναι προσβάσιμη και συνεπής - αυτό θα σας επιτρέψει να σχηματίσετε την απαραίτητη βάση γνώσεων βήμα προς βήμα.
Πρακτική
Δίνεται μεγάλη προσοχή στην πρακτική - έτσι ώστε όχι μόνο να επιλύετε τα προβλήματα του μαθήματος, αλλά και να μπορείτε να εφαρμόσετε τη γνώση στο μέλλον, σε πραγματικά έργα.
Υποστήριξη
Μη διστάσετε να κάνετε ερωτήσεις στα σχόλια, είναι σημαντικό για μένα να μαθευτεί όλο το υλικό. Απαντώ σε σχόλια εντός μιας ημέρας.
Η σειρά με την οποία γίνονται τα μαθήματα δεν είναι σημαντική.
1. SQL για όλους
Λειτουργίες σε ένα τραπέζι
1. Εισαγωγή στη Βάση Δεδομένων
2. Φιλτράρισμα σειρών WHERE. Κανονικές εκφράσεις LIKE. ΚΑΙ και Ή
3. Ταξινόμηση συμβολοσειρών ORDER BY
4. Συνάθροιση συναρτήσεων: COUNT, SUM, MIN, MAX, AVG. Ψευδώνυμα
5. Ομαδοποίηση γραμμών GROUP BY και HAVING. Δημιουργία αναφορών
6. Εξάσκηση με βάση τα αποτελέσματα της 1ης ενότητας
Λειτουργίες σε πολλά τραπέζια
1. Έννοιες πρωτεύοντος και ξένου κλειδιού. Τύποι σχέσεων στη βάση δεδομένων
2. Δημιουργία ερωτημάτων από πολλούς πίνακες. ΕΣΩΤΕΡΙΚΗ ΣΥΝΔΕΣΗ και ψευδώνυμα
3. LEFT JOIN και άλλοι τύποι JOIN
4. Σύνδεση πολλών πινάκων χρησιμοποιώντας UNION και UNION ALL
5. Υποερωτήματα
6. Εξάσκηση με βάση τα αποτελέσματα της 2ης ενότητας
Πρόσθετα σημαντικά θέματα
1. ΠΕΡΙΠΤΩΣΗ έκφραση
2. Δημοφιλείς λειτουργίες για εργασία με χορδές
Πρακτικές εργασίες για την ενίσχυση της ύλης του μαθήματος
1. Απλές ερωτήσεις
2. Πολύπλοκα ερωτήματα
3. συμπέρασμα
2. Python: Ανάλυση δεδομένων με Pandas
Ανάλυση πλαισίων δεδομένων μεμονωμένα
1. Ανάγνωση δεδομένων από αρχεία
2. Γρήγορη εισαγωγή στα δεδομένα
3. Έξοδος στήλης
4. Τύποι δεδομένων
5. Φιλτράρισμα σειρών
6. Κανονικές εκφράσεις
7. Ταξινόμηση χορδών
8. Συναρτήσεις συγκέντρωσης
9. Ομαδοποίηση σειρών
Ανάλυση πολλαπλών σχετικών πλαισίων δεδομένων
1. Συγχώνευση α. κ. μια ένωση
2. Αληλουχία
Πρόσθετη απαιτούμενη ενότητα
1. Εργασία με ημερομηνίες και ώρες
2. Συγκεντρωτικοί πίνακες
3. Νέοι τρόποι δημιουργίας πλαισίων δεδομένων
4. Κατηγοριοποίηση ονομαστικών χαρακτηριστικών
5. Αντικατάσταση τιμών σε ένα πλαίσιο δεδομένων
6. Οπτικοποίηση σε πάντα
7. Τεμαχισμός
8. συμπέρασμα