Aнализ данных на основе Python и SQL
О курсе
Целевая группа
- В 10-недельном курсе
Результат обучения
- подготавливать данные для анализа используя Python и SQL; структурировать информацию;
- формулировать гипотезы и проводить их проверку используя методы математической статистики;
- генерировать отчеты с первичными рекомендациями;
- продолжить свою карьеру в области Data Science, Machine Learning;
Методы обучения:
- Общий объем курса: 180 академических часов, из которых 94 академических часа проходят в аудитории (в т.ч. практические занятия 8 ак. часа и 2 семинара (8 ак.ч))
Информация о курсе
Программа курса
| Модуль | Основные темы модуля | Длительность |
|---|---|---|
| 1. Введение в анализ данных | Современные проблемы, решаемые анализом данных. Основные понятия в анализе данных. Числовые и категориальные данные. Краткий обзор инструментов для анализа данных | 4 ак. ч. |
| 2. Знакомство со средой Python и Jupyter | Установка интерпретатора Python. Знакомство с IDE. Знакомство с менеджером пакетов PIP. Установка среды iPython и Jupyter. Основы использования Jupyter Lab: типы ячеек, навигация, шорткаты, установка расширений. Знакомство с Google Colab. | 4 ак. ч. |
| 3. Коллекции в Python | Знакомство и основные операции с типами данных: список, кортеж, множество и словарь | 8 ак. ч. |
| 4. Управляющие конструкции в Python | Построение логических условий. Цикл for. Практическая работа. | 4 ак. ч. |
| 5. Семинар: поиск работы в сфере айти. | Семинар посвящен трудоустройству (разработчики backend, frontend, fullstack, devops) | 4 ак. ч. |
| 6. Основы реляционных баз данных и язык SQL | Основы реляционных баз данных и язык SQL | 12 ак. ч. |
| 7. Использование SQL (Advanced Level) | Использование SQL (Advanced Level) | 14 ак. ч. |
Информация об обучении на данном курсе
Требования к обучающимся:
- уверенный пользователь ПК
- владение английским языком на уровне, достаточном для чтения технической документации (ориентировочное соответствие категории A2/B1)
- желательно наличие собственного ноутбука (Windows / Mac, оперативная память 8 GB, диагональ экрана > 13,3), при необходимости на время обучения выдается ноутбук.
Критерии оценки результатов обучения:
- Результаты обучения оцениваются на основе самостоятельно выполненных пракических работ.
Методы оценки:
- При успешном выполнении практические и домашние работы получают оценку "зачет".
Условия окончания курса:
- Для успешного окончания курса и получения сертификата необходимо получить зачет 75% домашних работ.
Дополнительная информация:
- Группа программы обучения: 0612 - Управление базами данных и сетевыми технологиями (0612 - Andmebaaside ja võrgu disaini ning halduse õppekavarühm)
- Основные правила организации обучения (на эстонском языке)
- Основные правила обеспечения качества учебного процесса (на эстонском языке)
Преподаватели
Maксим Колодиев
Преподаватель Gamma Intelligence
Квалификация:
Cвыше 15 лет в разработке ПО. Cвыше 8 лет опыта в тестировании ПО
Специализация:
Процесс разработки ПО, тестирование ПО, автоматизация тестирования, анализ данных
Образование:
TalTech, Master Degree (2007)
Роман Кутселепа
Преподаватель Gamma Intelligence
Квалификация:
Cвыше 5 лет в разработке ПО.
Специализация:
Процесс разработки ПО, тестирование ПО, анализ данных
Образование:
Anglia Ruskin University 2010 г. (Англия)
Николай Зубрилов
Ведущий лектор Gamma Intelligence в области а
Квалификация:
Cвыше 5 лет в разработке ПО.
Специализация:
Образование: