Презентація курсу від авторки
Презентація була записана перед в кінці 2023го року, наповнення у нас постійно оновлюється і редагується з врахуванням потреб на ринку і зворотнього звʼязку студентів, тож, у відео інформація трооошечки застаріла. Натомість на сайті тут — повністю актуальна. Відео обовʼязково скоро також актуалізуємо :)
Цей курс для вас, якщо:
01/ ви працюєте бухгалтером, викладачем, кредитним консультантом, вам подобається працювати з даними та ви хочете вийти на вищий рівень доходу перейшовши в ІТ
02/ ви давно мрієте навчитись програмувати, але боїтесь, що не впораєтесь самостійно, що це занадто складно
03/ ви працюєте аналітиком та вам хочеться навчитись аналізувати дані за допомогою Python, аби відкрити двері до цікавіших задач та вищих зарплат
04/ ви хочете стати аналітиком даних в IT і не знаєте, з чого почати
05/ ви вже починали вчити програмування, SQL, візуалізацію даних самостійно, але не відчуваєте впевненості у використанні інструментів та структури у знаннях, не розумієте, як саме їх використовувати для реальних проєктів
Як проходить навчання
01
Welcome-лекція "Як тримати фокуc і досягти результату". Підписання Кодексу курсу
02
Раз на 2 тижні у понеділок відкриваються матеріали до модуля на платформі. Всі модулі складаються з кількох лекцій тривалістю 20-30 хв та весь лекційний матеріал супроводжується практикою для закріплення.
Ось так виглядає платформа для навчання:
03
Протягом 2-3 тижнів ви переглядаєте лекції
04
Та робите тести та ДЗ для закріплення знань
05
Якщо виникають питання, ви задаєте його в чаті
06
Груповий зідзвон щотижня для обговорення поточних питань і прибирання блокерів кожного студента (день обираємо разом з групою)
07
Після кожного виконаного дз отримуєте зворотний зв’язок
08
Протягом нашого навчання ви створите 3 повноцінних проєкти для вашого портфоліо: аналіз даних з Python, побудова BI-звіту та аналіз даних з SQL, з якими ви зможете наглядно продемонструвати своє володіння інструментами аналізу даних роботодавцю
Так виглядає одна перевірка роботи навіть коли вона на максимальний бал ☺️
09
Останній крок — отримати сертифікат "Про успішне завершення" надається за умови набору 70% балів на тарифі з перевіркою і "Про прослуховування" або за умови здачі всіх тестів і завдань кожному учаснику тарифу без перевірки.
Програма
Модуль 0 Вступ до професії аналітика даних. Продуктовий аналіз і метрики
● Вміння аналізувати дані та хто такий аналітик● Навички аналітика та приклади задач● Що таке продуктовий аналіз?● Розбір метрик та пояснення ДЗ
Модуль 1Компʼютерна грамотність. Робота у Jupyter Notebook та встановлення необхідного для курсу ПО. Python: базовий синтаксис від типів даних до контролюючих інструкцій
● Що таке Python та як його встановити● Пакет Аnaconda та Anaconda Navigator● Де виконувати код Python● Jupyter Notebook & Jupyter Lab – що це та як встановити● Інтерфейс Jupyter Notebook, клітинки Markdown та Code● Робота в редакторі VS Code та дебагінг коду● Про Google Colab та віртуальні оточення● Робота з Github
Модуль 2Python – функції, класи, імпорти зовнішніх бібліотек, вбудовані функції
● Основи Python. Змінні. Типи данних.● Колекції та вступ до control flow● Цикли та List Comprehensions в Python● Знайомство з функціями у Python. Анотація типів.● Детальніше про параметри функцій. Приклади використання функцій.● Глобальний і локальний області видимості. Модулі. Винятки.● Класи. Форматування рядків.● FAQ: Functions, classes, exceptions
Модуль 3Бібліотека Pandas. Робота з табличними даними, їх дослідження та аналіз
● Введення у Pandas та NumPy● Відео-інструкція як читати дані, коли працюєте в Google Colaboratory● Основи роботи з даними у Pandas● Розширені методи обробки даних у Pandas● Функція apply() в Pandas● Функції GroubBy, Pivot і PivotTable
БОНУС МодульКонтроль версій коду. Git
● Що таке Git та чому він такий популярний. Встановлення і конфігурація.● Команди в git: робота з репозиторієм● Гілки, pull-ріквести, merge та кращі практики коміту коду● GUI для роботи з git, історія комітів та що не варто комітити
Модуль 4Візуалізація даних. Бібліотеки Matplotlib, seaborn
● Що таке візуалізація даних. Matplotlib. Побудова базових графіків.● Побудова візуалізацій, налаштування ліній, кольорів, маркерів. Кілька графіків на одній фігурі.● Кілька графіків на одній фігурі. Налаштування підписів та легенди. Збереження графіків.● Стилі графіків. Діаграма розсіювання. Приклад на даних.● Гістограми.● Візуалізація в Pandas. Barplots. Box plot.● Бібліотека Seaborn.● Matplotlib vs Seaborn. Візуалізація time series.
Модуль 5SQL. Базовий синтаксис. Як працювати з базою даних напряму з Python
1. Основи SQL та реляційних баз даних
● Що таке SQL та реляційна база даних?
● Термінологія, Зв'язки та Діалекти в SQL
● Синтаксис SQL
● Як користуватись SQL Practice. Приклади найпростіших запитів
2. Практика роботи з даними в SQL
● Запити з однієї бази. Фільтрація
● Робота з рядками та датами
● Робота з JOINs: Пояснення та перші приклади
● Використання JOIN та CASE WHEN
● Об'єднання за допомогою UNION
3. Підключення до бази даних в Python
● Завантаження бази даних локально
● SQL-скрипт та SQL Client
● Підключення до бази в Python: connection, cursor
● Читання даних за допомогою Pandas
● INSERT, DELETE, UPDATE для внесення змін в таблицях
● SQL з Pandas
● Робота з курсорами
4. BigQuery: огляд інтерфейсу та сфер використання інструменту. Запити в цій системі.
Online-лекціяЯк не вигорати, де брати енергію на роботу і навчання
Модуль 6Статистичний аналіз даних. Аналіз А/B тестів з допомогою Python
1. Вступ до статистичного аналізу даних
● Варіація. Стандартне відхилення● Коваріація та Кореляція
2. Тестування статистичних гіпотез
● Статистичні тести● Z-test● P-value, z-таблиця. Реалізація z-тесту на одній вибірці● Тестування на двох вибірках● Основні розподіли та їх характеристики
3. A/B тестування
● Теорія та формулювання задачі● Дизайн експерименту та підготовка даних● Тестування гіпотези та висновкиМодуль 7Інструменти які допомагають програмувати та аналізувати дані легше та швидше
1. Чистий код і оптимізація аналітичної роботи
● Основні принципи гарного коду в Python● Основні принципи гарного коду в Pandas● Підвищення якості коду
2. Оптимізація аналітичної роботи
● Оптимізація із ШІ● Бібліотеки для аналізу даних в пару рядків кодуМодуль 8Побудова інтерактивних звітів з інструментами Business Intelligence
1. Побудова звітів з Tableau
● Знайомство з BI-системами
● Продукти Tableau
● Базовий функціонал в Tableau Public
● Створення та публікація дашборду
● Нестандартні фішки з Tableau
2. Побудова звітів з Power BI
● Установка, налаштування та перший звіт
● Джерела даних, основи Power Query
● Види візуалізацій, доступні в Power BI, фільтри, взаємодія між візуалізаціями
● Збереження та публікація звітівМодуль 9Робота з таблицями в Excel та Google Spreadsheets
● Основи Google Spreadsheet: введення даних, форматування, базові функції.
● Складні функції: VLOOKUP, QUERY, ARRAYFORMULA.
● Аналіз даних: діаграми, зведені таблиці, умовне форматування.
● API: підключення, запити на курси валют, інтеграція даних.Робота над фінальним проєктом курсу
● Фінальний проєкт на аналіз даних з Python, побудову системи метрик та дашборду в Tableau
● Самостійна творча робота з конкретними рекомендаціями по завершенню, як можна доповнити і розширити проєкт
● Детальний фідбек та рекомендації з оформлення в портфоліо
Програма
Модуль 0Вступ до професії аналітика даних. Продуктовий аналіз і метрики
● Вміння аналізувати дані та хто такий аналітик● Навички аналітика та приклади задач● Що таке продуктовий аналіз?● Розбір метрик та пояснення ДЗ
Модуль 1Компʼютерна грамотність. Робота у Jupyter Notebook та встановлення необхідного для курсу ПО. Python: базовий синтаксис від типів даних до контролюючих інструкцій
● Що таке Python та як його встановити● Пакет Аnaconda та Anaconda Navigator● Де виконувати код Python● Jupyter Notebook & Jupyter Lab – що це та як встановити● Інтерфейс Jupyter Notebook, клітинки Markdown та Code● Робота в редакторі VS Code та дебагінг коду● Про Google Colab та віртуальні оточення● Робота з Github
Модуль 2Python – функції, класи, імпорти зовнішніх бібліотек, вбудовані функції
● Основи Python. Змінні. Типи данних.● Колекції та вступ до control flow● Цикли та List Comprehensions в Python● Знайомство з функціями у Python. Анотація типів.● Детальніше про параметри функцій. Приклади використання функцій.● Глобальний і локальний області видимості. Модулі. Винятки.● Класи. Форматування рядків.● FAQ: Functions, classes, exceptions
Модуль 3Бібліотека Pandas. Робота з табличними даними, їх дослідження та аналіз
● Введення у Pandas та NumPy● Відео-інструкція як читати дані, коли працюєте в Google Colaboratory● Основи роботи з даними у Pandas● Розширені методи обробки даних у Pandas● Функція apply() в Pandas● Функції GroubBy, Pivot і PivotTable
БОНУС МодульКонтроль версій коду. Git
● Що таке Git та чому він такий популярний. Встановлення і конфігурація.● Команди в git: робота з репозиторієм● Гілки, pull-ріквести, merge та кращі практики коміту коду● GUI для роботи з git, історія комітів та що не варто комітити
Модуль 4Візуалізація даних. Бібліотеки Matplotlib, seaborn
● Що таке візуалізація даних. Matplotlib. Побудова базових графіків.
● Побудова візуалізацій, налаштування ліній, кольорів, маркерів. Кілька графіків на одній фігурі.
● Кілька графіків на одній фігурі. Налаштування підписів та легенди. Збереження графіків.
● Стилі графіків. Діаграма розсіювання. Приклад на даних.
● Гістограми.
● Візуалізація в Pandas. Barplots. Box plot.
● Бібліотека Seaborn.
● Matplotlib vs Seaborn. Візуалізація time series.Модуль 5Робота з базами даних. SQL
1. Основи SQL та реляційних баз даних
● Що таке SQL та реляційна база даних?● Термінологія, Зв'язки та Діалекти в SQL● Синтаксис SQL● Як користуватись SQL Practice. Приклади найпростіших запитів
2. Практика роботи з даними в SQL
● Запити з однієї бази. Фільтрація● Робота з рядками та датами● Робота з JOINs: Пояснення та перші приклади● Використання JOIN та CASE WHEN● Об'єднання за допомогою UNION
3. Підключення до бази даних в Python
● Завантаження бази даних локально● SQL-скрипт та SQL Client● Підключення до бази в Python: connection, cursor● Читання даних за допомогою Pandas● INSERT, DELETE, UPDATE для внесення змін в таблицях● SQL з Pandas● Робота з курсорами
4. BigQuery: огляд інтерфейсу та сфер використання інструменту. Запити в цій системі.Модуль 6Статистичний аналіз даних. Аналіз А/B тестів з допомогою Python
1. Вступ до статистичного аналізу даних● Варіація. Стандартне відхилення● Коваріація та Кореляція
2. Тестування статистичних гіпотез● Статистичні тести● Z-test● P-value, z-таблиця. Реалізація z-тесту на одній вибірці● Тестування на двох вибірках● Основні розподіли та їх характеристики
3. A/B тестування● Теорія та формулювання задачі● Дизайн експерименту та підготовка даних● Тестування гіпотези та висновки
Online-лекціяЯк не вигорати, де брати енергію на роботу і навчання
Модуль 7Інструменти які допомагають програмувати та аналізувати дані легше та швидше
1. Чистий код і оптимізація аналітичної роботи
● Основні принципи гарного коду в Python
● Основні принципи гарного коду в Pandas
● Підвищення якості коду
2. Оптимізація аналітичної роботи
● Оптимізація із ШІ
● Бібліотеки для аналізу даних в пару рядків кодуМодуль 8Побудова інтерактивних звітів з інструментами Business Intelligence
1. Побудова звітів з Tableau
● Знайомство з BI-системами● Продукти Tableau● Базовий функціонал в Tableau Public ● Створення та публікація дашборду● Нестандартні фішки з Tableau
2. Побудова звітів з Power BI● Установка, налаштування та перший звіт● Джерела даних, основи Power Query● Види візуалізацій, доступні в Power BI, фільтри, взаємодія між візуалізаціями● Збереження та публікація звітівМодуль 9Робота з таблицями в Excel та Google Spreadsheets
● Основи Google Spreadsheet: введення даних, форматування, базові функції.● Складні функції: VLOOKUP, QUERY, ARRAYFORMULA.● Аналіз даних: діаграми, зведені таблиці, умовне форматування.● API: підключення, запити на курси валют, інтеграція даних.
Робота над фінальним проєктом курсу
● Фінальний проєкт на аналіз даних з Python, побудову системи метрик та дашборду в Tableau● Самостійна творча робота з конкретними рекомендаціями по завершенню, як можна доповнити і розширити проєкт● Детальний фідбек та рекомендації з оформлення в портфоліо
А що з працевлаштуванням?
Під час навчання в нас буде окремий блок про працевлаштування в якому ви зрозумієте:
Як шукати вакансії на платформі Djinni та на що звертати уваги на перших етапах
Як працювати з LinkedIn, щоб отримувати мінімум по 2 пропозиції від компаній кожного дня, навіть якщо у вас немає досвіду
Як створити портфоліо, яке буде виділятися поміж 100 схожих спеціалістів та привертати увагу
Як підготуватись до співбесіди та відчувати себе впевнено, спокійно та професійно, спілкуючись з потенційним працедавцем
А що з працевлаштуванням?
Під час навчання в нас буде окремий блок про працевлаштування в якому ви зрозумієте:
Як шукати вакансії на платформі Djinni та на що звертати уваги на перших етапах
Як працювати з LinkedIn, щоб отримувати мінімум по 2 пропозиції від компаній кожного дня, навіть якщо у вас немає досвіду
Як створити портфоліо, яке буде виділятися поміж 100 схожих спеціалістів та привертати увагу
Як підготуватись до співбесіди та відчувати себе впевнено, спокійно та професійно, спілкуючись з потенційним працедавцем
Під час навчання ви не тільки оформлюєте резюме, а й отримуєте фідбек які помилки були допущені і як краще підсвітити свої знання та отримані скіли
Якщо впровадите всі рекомендації та зміни після цього блоку ваші шанси отримати перший оффер протягом 3х місяців після навчання сягають 97% (3% лишаємо на явища непереборної сили як то відсутність банально часу податись на вакансії і інші, коли ви зробили все, але щось пішло не так)
Якщо впровадите всі рекомендації та зміни після цього блоку ваші шанси отримати перший оффер протягом 3х місяців після навчання сягають 97% (3% лишаємо на явища непереборної сили як то відсутність банально часу податись на вакансії і інші, коли ви зробили все, але щось пішло не так)
Результати
Після курсу ви вмітимете:
Курс веде Ганна Пилєва
Full Stack Machine Learning Engineer з досвідом роботи з даними 8 років і викладацьким досвідом 4 роки
• 2 дипломи з відзнакою з профільної освіти в ТОП українських ВНЗ: КПІ спеціальність "Системний аналіз" та УКУ магістратура з Data Science• понад 15 розроблених Machine Learning проєктів від задуму до впровадження• понад 400 випускників з навчальних програм з програмування та Data Science• сертифікований консультант з працевлаштування• авторка одного з найбільших блогів в Instagram про машинне навчання, програмування та аналітику даних• авторка блогу на Youtube про Data Science, GenAI і програмування українською
Люди, які обрали розвиток зі мною
Гортай слайди ->
Ірина Кінебас1-й потік
Знайшла роботу та стала Data Analyst.
А ще під час навчання зрозуміла свій план розвитку та навчилась використовувати Python для робочих завдань.😍
Було
Стало
Anna Patsiuk1-й потік
Курс додав впевненості, щоб взяти нову відповідальність в роботі😎
Було
Стало
Валерія Карпова2-й потік
Через 8 місяців після завершення навчання отримала підвищення та почала використовувати новий корисний інструмент для роботи 🤩
Було
Стало
Oleksii Havryliuk1-й потік
Навчився програмувати практично з 0 🔥
Було
Стало
Ірина Кінебас1-й потік
Знайшла роботу та стала Data Analyst.
А ще під час навчання зрозуміла свій план розвитку та навчилась використовувати Python для робочих завдань.
Було
Стало
Anna Patsiuk1-й потік
Курс додав впевненості, щоб взяти нову відповідальність в роботі
Було
Стало
Валерія Карпова2-й потік
Через 8 місяців після завершення навчання отримала підвищення та почала використовувати новий корисний інструмент для роботи 🤩
Було
Стало
Oleksii Havryliuk1-й потік
Навчився програмувати практично з 0
Було
Стало
А тут послання від моїх випускників
А тут послання від моїх випускників
І ще трішки відгуків після випускного
Галина Свобода4-й потік
Під час створення фінального проєкту я побачила, що мої знання мови програмування, структура коду та швидкість написання значно покращились. Я навчилась працювати з документацією і впевнена, що можу освоїти будь-яку бібліотеку.
За 2 місяці після закінчення навчання отримала офер на 900$ на місяць
Anna Zborovsk4-й потік
Через два місяці після навчання у Ганни отримала офер від компанії.
Якби не цей курс я б ще дуже довго хаотично стрибала з одного навчання на інше, щоб отримати загальне уявлення про цей напрямок роботи.
Галина Свобода4-й потік
Під час створення фінального проєкту я побачила, що мої знання мови програмування, структура коду та швидкість написання значно покращились. Я навчилась працювати з документацією і впевнена, що можу освоїти будь-яку бібліотеку.
За 2 місяці після закінчення навчання отримала офер на 900$ на місяць
Anna Zborovsk4-й потік
Через два місяці після навчання у Ганни отримала офер від компанії.
Якби не цей курс я б ще дуже довго хаотично стрибала з одного навчання на інше, щоб отримати загальне уявлення про цей напрямок роботи.
А що, якщо в мене не вийде
Розумію ваші переживання та сумніви. Пропоную ще раз пройтись по головним елементам в курсі, щоб ви побачили своїми очима, що у вас просто немає шансу не отримати результат.
Протягом 5 місяців ви будете не просто знайомитись та вивчати нові теми, а все відпрацьовувати на практиці в форматі квізу або домашнього завдання.
Паралельно після кожного виконаного дз ви отримаєте максимально детальний зворотний зв’язок. А наприкінці ми ще ретельно підготуємось до найголовнішого, пошуку роботи в IT.
Кожного дня вас супроводжує куратор та залишається з вами на зв'язку в чаті. Якщо у вас виникне питання, ви відразу отримати підтримку, відповідь та розуміння, що робити далі. А ще підтримку від однодумців та розуміння,
А зараз все поєднуємо: ПРАКТИКА + СУПРОВІД + ЗВОРОТНИЙ ЗВ’ЯЗОК + РЕКОМЕНДАЦІЇ З ПРАЦЕВЛАШТУВАННЯ = РЕЗУЛЬТАТ
Додам кейс випускниці, яка знайшла роботу через місяць після завершення навчання.
Ірина Кінебас1 потік
Точка А: Працювала в Мережі АЗС на посаді “Економіст-координатор відділу статистичного обліку”
Додам кейс випускниці, яка знайшла роботу через місяць після завершення навчання.
Ірина Кінебас1 потік
Точка А: Працювала в Мережі АЗС на посаді “Економіст-координатор відділу статистичного обліку”
Точка В: Змінила роботу та стала Data Analyst через місяць після завершення навчання
Точка В: Змінила роботу та стала Data Analyst через місяць після завершення навчання
Все ще сумніваєшся?
ТІ, ХТО ЗАПОВНИТЬ ФОРМУ ПЕРЕДЗАПИСУ НА КУРС “PYTHON ДЛЯ АНАЛІЗУ ДАНИХ" ОТРИМАЮТЬ ДОДАТКОВИЙ БОНУС ВІД ГАННИ ПИЛЄВОЇ: ЗАПИС МАЙСТЕР-КЛАСУ, ЗАВДЯКИ ЯКОМУ ВИ НАВЧИТЕСЬ ПРАЦЮВАТИ З КОДОМ І ПОЗНАЙОМИТИСЬ БЛИЖЧЕ З ОПРАЦЮВАННЯМ ДАНИХ НА PYTHON.
Після перегляду відео ви:
Все ще сумніваєшся?
ТІ, ХТО ЗАПОВНИТЬ ФОРМУ ПЕРЕДЗАПИСУ НА КУРС “PYTHON ДЛЯ АНАЛІЗУ ДАНИХ" ОТРИМАЮТЬ ДОДАТКОВИЙ БОНУС ВІД ГАННИ ПИЛЄВОЇ:
ЗАПИС МАЙСТЕР-КЛАСУ, ЗАВДЯКИ ЯКОМУ ВИ НАВЧИТЕСЬ ПРАЦЮВАТИ З КОДОМ І ПОЗНАЙОМИТИСЬ БЛИЖЧЕ З ОПРАЦЮВАННЯМ ДАНИХ НА PYTHON.
Після перегляду відео ви:
Впевнена, багато хто себе впізнає
Я поки не впевнений, що готовий саме зараз переходити в IT 🤨
Розумію. Щоб зробити цей крок треба мати бажання, бачення та розуміння, як ти будеш діяти. Якщо поки що ти не бачиш свого загального шляху і тебе це лякає, ми з тобою це обговоримо.
В результаті в тебе буде план, ясність та мотивація. Останній крок залишиться за тобою, наважитися!
Але я впевнена, що мотивація та готовність виростає в моменті, коли мозок зрозуміє, що треба робити.Боюсь, що з моїм досвідом не буде того результат, який я хочу. Боюсь не впоратися 😔
Досвід — це річ, яка набувається та постійно вдосконалюється. Якщо ти зараз не бачиш варіантів розвитку, тобі 100% треба до мене на зустріч. Одна розмова і в тебе є план та впевненість, куди тобі далі рухатися.
Чи варто починати, якщо мені 35+? 🤔Не впевнений, що вийде знайти відповідну посаду в короткий час 🥺
В IT світі багато різноманітних можливостей. В 35+ ти вже маєш безцінних професійний та життєвий досвід, який буде релевантним і підсилить тебе при переході в ІТ. Ми можемо обговорити з тобою твої сильні сторони, інтереси та дібрати той напрям, в якому ти зможеш швидко і з натхненням зростати в ІТ.
Блог про машинне навчання, програмування та аналітику даних