Урок 8. Python для анализа данных – часть 1
- Установка Python и Jupyter Notebook, основы синтаксиса (переменные, типы данных, циклы, функции)
- Библиотеки pandas и numpy: структуры данных, чтение/запись файлов, фильтрация, группировка, базовые математические операции
- Первый анализ данных: загрузка датасета, расчёт описательных статистик
Результат: умение выполнять базовые задачи анализа данных на Python
Урок 9. Python для анализа данных – часть 2
- Обработка пропусков, создание новых признаков
- Сводные таблицы (pivot tables), объединение датафреймов
- Основы визуализации с matplotlib и seaborn
Результат: навык полноценной обработки данных и создания графиков на Python
Урок 10. BI-системы и дашборды
- Обзор BI-инструментов: Fine BI, Power BI, Tableau
- Построение интерактивных дашбордов: подключение данных, создание графиков, типы чартов
Практика: создание дашборда по продажам или активности пользователей
Результат: умение создавать дашборды для мониторинга ключевых метрик
Урок 11. Работа с полями дашборда
- Фильтрация данных, работа с формулами, дизайн дашборда
Результат: умение создавать фильтры на различных этапах построения дашборда, создание расчетных полей: агрегации, логические конструкции
Урок 12. Работа аналитика с искусственным интеллектом
- Обзор современных AI-инструментов: ChatGPT, Copilot, DeepSeek
- Как использовать AI для ускорения рутинных задач: написание SQL-запросов, генерация кода на Python, анализ текстов, создание отчётов
- Примеры промптов для ChatGPT: «напиши функцию на Python для расчёта retention», «объясни результат t-теста»
- Этические аспекты и ограничения: проверка данных, ответственность за выводы
Практическое занятие: с помощью AI решить реальную аналитическую задачу (подготовка данных, визуализация, интерпретация)
Результат: умение эффективно применять AI-инструменты в повседневной работе аналитика