„Adatelemző” tanfolyam - tanfolyam 96 000 dörzsölje. a Yandex Workshopból, képzés 7 hónap, dátum: 2023. december 7.

Az adatelemző értelmet von ki a számokból és az értékekből: látja a trendeket, előrejelzi az eseményeket, és segít a vállalatnak megérteni az ügyfeleket, optimalizálni a folyamatokat és növekedni.

A piacnak olyan szakemberekre van szüksége, akik hasznosan tudják használni az adatokat. Az Ancor személyzeti társaság 2022. szeptemberi tanulmánya kimutatta, hogy az orosz cégek 45%-a keres elemzőket csapatához.

A tanfolyamon elsajátított készségek

Munka megnevezése
Elemző, adatelemző, adatelemző

Fejlesztési lehetőségek: Termékelemző, marketingelemző, BI-elemző, adattudományi szakértő

Íme az Ön által használt technológiák és eszközök:
Piton
Jupyter notebook
SQL
PostgreSQL
Csoportkép
A/B tesztek
Kezdj el pénzt keresni az elemzéssel
Junior pozícióból indul, és csak utána halad előre. Felmászik a karrierlétrán, és nő az értéke. És egy nap nem lesz ára érte.

Teljesítsd az adatelemzési tanfolyamot
Rendszeresen frissítjük, hogy megfeleljen az iparág és a munkáltatói igényeknek.
Más szóval, csak azt tanulja meg, ami biztosan hasznos lesz a munkájában.

Ingyenes rész - 1 hét

Ingyenes Bevezetés: A Python és az adatelemzés alapjai

Ismerje meg az adatelemzés alapfogalmait, és értse meg, mit csinálnak az adatelemzők és adattudósok.

• Moszkva Catnamycs. Adatok megjelenítése a képernyőn. CSV fájlok. Asztalokkal való munka. Hőtérképek. Oszlop szorzása egész számmal.
• Hibák a kódban. Szintaktikai hibák. Elnevezési hibák. Hibák a nullával való osztásakor. Hibák a modul importálásakor.
• Változók és adattípusok. Változók. Adattípusok. Aritmetikai műveletek számokkal és karakterláncokkal.
• Hogyan állíthatunk fel hipotéziseket. Hipotézisek. HADI ciklusok. Analitikus gondolkodás. Grafikonok olvasása.
• Mit csinálnak az adattudósok. Elemzői feladatok. Feladatok tisztázása. Bomlás. Projekt szakaszai.
• Konverziók ellenőrzése. Átalakítás. Adatfeltárás. Következtetések megfogalmazása.
• Reklámkampányok megtérülése. Oszlopdiagram. Az elemek különbsége. Indexelés oszlopokban.
• Gépi tanulás és adattudomány. Gépi tanulási képzés. Egyedi értékek keresése oszlopokban. Logikai indexelés. Értékek csoportosítása táblázatban. Előrejelzési hibák.
• Végső projekt. Felhasználói szegmentálás.
PythonPandas hibákSeabornHipotézisekKonverziós VáltozókAdattípusok Hőtérképek

1 sprint 3 hét

Alap Python

Merüljön el mélyebben a Python programozási nyelvben és a Pandas könyvtárban.

• Változók és adattípusok. Python nyelv. Változók. Adatok megjelenítése a képernyőn. Objektumok megjelenítése a képernyőn. Hibakezelés, próbálkozzon... kivéve a kezelőt. Adattípusok. Adattípus-konverziók.
• Vonalak. Indexek sorokban. Vonalvágások. Műveletek húrokon. String módszerek. Karakterláncok formázása, format() metódus, f-stringek.
• Listák. Indexek listákban. Szeletek listázása. Elemek hozzáadása a listához. Listaelemek eltávolítása. Listák összeadása és szorzása. • Listák rendezése. Keressen elemeket a listában. Karakterlánc felosztása karakterláncok listájára, karakterláncok listájának összefűzése karakterláncba.
• Hurok számára. Ciklusok. Elemek felsorolása. Iteráció elemindexek felett. Listaelemek feldolgozása ciklusokkal: elemek összegének és szorzatának megtalálása.
• Beágyazott listák. Beágyazott listák futása számláló értékekkel. Elemek hozzáadása beágyazott listákhoz. Beágyazott listák rendezése.
• Feltételes kezelő. Míg hurok. Logikai adattípus. Logikai értékek. Logikai kifejezések. Összetett logikai kifejezések. Feltételes nyilatkozat ha...elif...egyéb. Elágazó. Listák szűrése feltételes operátor használatával. Míg hurok.
• Funkciók. Funkciók hozzárendelése. Paraméterek és argumentumok. Paraméterek alapértelmezett értékekkel. Pozíciós és megnevezett érvek. Egy függvény eredményének visszaadása.
• Szótárak. Kulcsok és értékek. Érték keresése kulcs alapján. Elemek hozzáadása a szótárhoz. A szótárak listája. Gyönyörű szótárkiadás.
• Pandas könyvtár. Csv fájlok olvasása. Dataframe. Dataframe konstruktor. Adatkeret első és utolsó sorának kinyomtatása. Indexelés adatkeretekben. Indexelés sorozat oszlopokon.
• Adatok előfeldolgozása. A GIGO elv. Adatkeret oszlopok átnevezése. Hiányzó értékek kezelése. Explicit és implicit ismétlődések kezelése.
• Adatelemzés és az eredmények bemutatása. Adatok csoportosítása. Adatok rendezése. A leíró statisztika alapjai.
• Jupyter Notebook – notebook egy cellában. Jupyter Notebook felület. Jupyter Notebook parancsikonok.
LoopPythonPandasStrings ListákFunkciókSzótárakAdatkeretVáltozókAdattípusokFeltételes utasítás
Projekt
Hasonlítsa össze a Yandex Music felhasználói adatait város és a hét napja szerint.

2 sprint 2 hét

Adatok előfeldolgozása

Tanulja meg megtisztítani az adatokat a kiugró értékektől, kihagyásoktól és ismétlődésektől, valamint konvertálni a különböző adatformátumokat.

• Munka bérletekkel. Átalakítás. Cookie-k. Kategorikus és mennyiségi változók. A kategorikus változók hiányosságainak kezelése. A mennyiségi változók hiányosságainak kezelése. A mennyiségi változók hiányosságainak kezelése kategóriánként.
• Adattípusok módosítása. Excel fájlok olvasása. Sorozatok konvertálása numerikus típusra. Számmodul, abs() metódus. Munka dátummal és idővel. Hibakezelés, próbálkozzon... kivéve a kezelőt. Adatkeretek egyesítése, merge() metódus. Pivot táblák.
• Ismétlődések keresése. Ismétlődések keresése, megkülönböztetve a kis- és nagybetűket.
• Adatok kategorizálása. Táblázatok bontása. Kategorizálás numerikus tartományok szerint. Soronként több érték alapján kategorizáljon.
• Szisztematikus és kritikus gondolkodás az elemzői munkában. Rendszeres gondolkodás. Az adathibák okai. Kritikus gondolkodás.
PythonPandasGap kezelésAdatfeldolgozásDuplikált feldolgozásAdatok kategorizálása
Projekt
Elemezze a banki ügyfelek adatait, és határozza meg a hitelképesek arányát.

3 sprint 2 hét

Feltáró adatelemzés

Ismerje meg a valószínűségszámítás és a statisztika alapjait. Használja őket az adatok alapvető tulajdonságainak feltárására, keresve mintákat, eloszlásokat és anomáliákat. Ismerje meg a Matplotlib könyvtárat. Rajzoljon diagramokat és gyakorolja a grafikonok elemzését.

• Első grafikonok és következtetések. Pivot táblák használata. Oszlopdiagram. Elosztások. Tartomány diagram.
• Adatszeletek tanulmányozása. A query() metódus. Munka dátummal és idővel. Grafikonok ábrázolása a plot() metódussal. Occam borotvája.
• Több adatforrással való munkavégzés. Adatszelet külső objektumok alapján. Új oszlopok hozzáadása egy adatkerethez. Adatok hozzáadása más adatkeretekből. Oszlopok átnevezése. Táblázatok kombinálása a merge() és join() metódusokkal.
• Adatkapcsolatok. Szórványdiagram. Változók korrelációja. Szórványmátrix.
• Az eredmények érvényesítése. Csoportok összevonása. Az adatok csoportokra bontása.
PythonPandasMatplotlibHisztogramokAdatszeletekAdatelemzésScatterplotScatterplotAdatvizualizáció Leíró statisztikák
Projekt
Fedezze fel a szentpétervári és leningrádi ingatlanok eladási hirdetéseinek archívumát.

4 sprint 3 hét

Statisztikai adatelemzés

Tanulja meg az adatok közötti kapcsolatok elemzését statisztikai módszerekkel. Ismerje meg, mi a statisztikai szignifikancia és a hipotézisek.

• Kombinatorika. Kombinációk. Szorzási szabály. Átrendezések. Permutációk száma. Elhelyezések. Elhelyezések száma. Kombinációk. Kombinációk száma.
• Valószínűségi elmélet. Kísérlet. Valószínűségi tér. Események. Valószínűség. Egymást metsző és egymást kizáró események. Euler-Venn diagram. A nagy számok törvénye.
• Leíró statisztika. Kategorikus és mennyiségi változók. Mód és medián. Átlagos érték. Diszperzió. Szórás. Kvartilisek és percentilisek. Tartomány diagram. Oszlopdiagram. Frekvencia sűrűség. Oszlopdiagram.
• Véletlen változók. Diszkrét valószínűségi változó. Valószínűségi eloszlás egy diszkrét valószínűségi változóra. Egy diszkrét valószínűségi változó kumulatív függvénye (eloszlási függvénye). Egy diszkrét valószínűségi változó matematikai elvárása. Egy diszkrét valószínűségi változó diszperziója.
• Elosztások. Bernoulli kísérlete. Binomiális kísérlet. Binomiális eloszlás. Folyamatos egyenletes eloszlás. Normális eloszlás. Szabványos normál eloszlás. CDF és PPF a normál eloszláshoz. Poisson-eloszlás. Egyik eloszlás közelítése a másikkal.
• Hipotézisek tesztelése. Általános népesség. Minta. Mintavételi eloszlás. Központi határérték tétel. Egyoldalú és kétoldalú hipotézisek. P-érték. Egy- és kétoldalú hipotézisek tesztelése egy mintára. Két általános sokaság átlagának egyenlőségére vonatkozó hipotézis tesztelése. Az átlagegyenlőség hipotézisének tesztelése függő mintákra.
ScipyNumpyPythonPandákMatplotlibCombinatoricsEloszlásokHipotézisvizsgálat Valószínűségelmélet
Projekt
Tesztelje a robogókölcsönzési szolgáltatás hipotéziseit, hogy elősegítse vállalkozása növekedését.

Extra Sprint

Valószínűségi elmélet

Emlékezzen vagy ismerje fel a valószínűségszámítás alapfogalmait: független, ellentétes, összeférhetetlen események stb. Egyszerű példák és szórakoztató feladatok segítségével gyakorolni fogja a számokkal való munkát és a megoldások logikájának felépítését.

Ez egy opcionális sprint. Ez azt jelenti, hogy minden diák maga választ egyet a lehetőségek közül:
• Sajátítson el egy további 10 rövid leckéből álló sprintet, frissítse fel az elméletet és oldjon meg problémákat.
• Csak az interjúfeladatokat tartalmazó blokkot nyissa meg, idézze fel a gyakorlatot elmélet nélkül.
• Hagyja ki teljesen a tanfolyamot, vagy térjen vissza hozzá, amikor ideje és szüksége van rá.
Pythonesemények Valószínűség-Bayes-tételVéletlen változók Valószínűségelmélet Statisztikai adatelemzés

5 sprint 1 hét

Az első modul záró projektje

Tanulja meg az előzetes adatkutatást, valamint hipotézisek megfogalmazását és tesztelését.
ScipyNumpyPythonPandákMatplotlibAdatelemzésHipotézisvizsgálatAdatfeldolgozás
Projekt
Keressen mintákat a játékeladási adatokban.

6 sprint 2 hét

Alapvető SQL

Tanulja meg az SQL strukturált lekérdezési nyelv és a relációs algebra alapjait az adatbázisokkal való munkavégzéshez. Ismerkedjen meg a PostgreSQL, egy népszerű adatbázis-kezelő rendszer (DBMS) szolgáltatásaival. Tanuljon meg különböző bonyolultságú lekérdezéseket írni, és fordítsa le az üzleti problémákat SQL-be. Egy filmekre és zenére szakosodott online áruház adatbázisával fog dolgozni.

• Bevezetés az adatbázisokba. Adatbázis-kezelő rendszerek (DBMS). SQL nyelv. SQL lekérdezések. SQL lekérdezések formázása.
• Adatszeletek SQL-ben. Adattípusok a PostgreSQL-ben. Adattípus átalakítás. WHERE záradék. Logikai operátorok. Adatszeletek. Operátorok IN, LIKE, KÖZÖTT. Munka dátummal és idővel. Hiányzó értékek kezelése. Feltételes CASE konstrukció.
• Aggregációs függvények. Adatok csoportosítása és rendezése. Matematikai műveletek. Aggregációs függvények. Adatok csoportosítása. Adatok rendezése. Szűrés összesített adatok alapján, HAVING operátor.
• Táblák közötti kapcsolatok. Táblázatcsatlakozások típusai. ER diagramok. Mezők és táblázatok átnevezése. Álnevek. Táblázatok összevonása. Csatlakozások típusai: BELSŐ CSATLAKOZTATÁS, BALOS CSATLAKOZÁS, JOBB CSATLAKOZÁS, TELJES KÜLSŐ CSATLAKOZÁS. Alternatív szakszervezeti típusok UNION és UNION ALL.
• Allekérdezések és általános táblakifejezések. Allekérdezések. Allekérdezések itt: FROM. Allekérdezések itt: WHERE. Csatlakozások és részlekérdezések kombinációja. Common Table Expressions (CTE). A kérések változatossága.
SQLDBMSPostgreSQLAllekérdezésekAdatbázisokSQL lekérdezések Adatok szűrése Adatok rendezése Adatok csoportosítása Csatlakozó táblák Általános táblakifejezések
Projekt
Különböző összetettségű lekérdezések sorozatát fog írni egy olyan adatbázisba, amely a kockázati befektetőkről, az induló vállalkozásokról és a bennük lévő befektetésekről tárol adatokat.

7 sprint 3 hét

Üzleti mutatók elemzése

Ismerje meg, milyen mutatók vannak az üzleti életben. Tanulja meg az üzleti életben adatelemzési eszközök használatát: kohorszelemzés, értékesítési csatorna és egységgazdaságtan.

• Mutatók és csatornák. Átalakítás. Tölcsérek. Marketing tölcsér. Benyomások. Kattintások. CTR. Terméktölcsér.
• Kohorsz elemzés. Felhasználói profil. visszatartási mérték. Lemorzsolódási arány. Elemzési horizont. A kohorsz elemzés vizualizálása. Véletlenszerű kohorszok megtartási elemzése. Konverzió a kohorsz elemzésben. Metrikák számítása Pythonban.
• Egységgazdaságtan. Mutatók LTV, CAC, ROI. ARPU, ARPPU. Metrikák számítása Pythonban. A mérőszámok fejlett megjelenítése. Sharey paraméter. Mozgóátlag.
• Egyéni mérőszámok. Felhasználói tevékenység értékelése. Felhasználói munkamenet. Anomália vizsgálata.
MutatókTölcsérekKonverziósEgységgazdaságosságKohorszelemzésTermékmérők Marketing mutatók
Projekt
Az adatok alapján ismerje meg a felhasználói viselkedést, valamint elemezze az ügyfelek jövedelmezőségét és a hirdetési megtérülést, hogy javaslatokat tegyen a marketing osztály számára.

8 sprint 2 hét

Fejlett SQL

Egy további tanfolyamon vesz részt az adatbázisokkal való munkáról, és még közelebb kerülhet az üzlethez. Az SQL nyelv használatával elemzi azon fő üzleti mutatók számítását, amelyeket az „Üzleti mutatók elemzése” sprintben megismert. Fontolja meg, hogy bonyolult eszközzel, például ablakfüggvényekkel dolgozik. Tanulja meg az adatbázisok tartalmát helyben, szimulátor nélkül módosítani speciális ügyfélprogramok és Python könyvtárak segítségével.

• Üzleti mutatók számítása. Adatséma. Átalakítás. LTV. ARPU. ARPPU. ROI. Számítás SQL használatával.
• Ablakfüggvények összesítése. OVER kifejezés. PARTITION BY ablak paraméter.
• Ablak rangsorolási funkciók. Rangsorolási funkciók. Ablak ORDER BY operátor. ROW_NUMBER(). RANG(). DENSE_RANK(). NTIL(). Ablak operátorok és rangsorolási funkciók.
• Ablak eltolási funkciók. Összesített értékek. Offset funkciók. VEZET(). LEMARADÁS(). Ablakfunkciók és álnevek.
• Kohorsz elemzés. Megtartási arány, lemorzsolódási arány. LTV.
• Az adatbázis és az adatbázis kliens telepítése és konfigurálása. Adatbázis kliens. PostgreSQL telepítése. A DBeaver telepítése. DBeaver interfész. Adatbázis létrehozása. Adatbázis dump telepítése. Lekérdezés eredményeinek feltöltése. A lekérdezés eredményeinek bemutatása.
SQLDBMSMetricsPostgreSQLadatbázisokSQL lekérdezésekAblakfüggvényekKohorsz elemzés
Projekt
Python és SQL használatával csatlakozzon egy adatbázishoz, számítsa ki és jelenítse meg a legfontosabb mérőszámokat egy programozási Q&A szolgáltatási rendszerben.

9 sprint 2 hét

Döntéshozatal az üzleti életben

Megtanulja, mi az A/B tesztelés, és megérti, milyen esetekben használják. Tanulja meg az A/B tesztelés tervezését és annak eredményeinek értékelését.

• A hipotézisvizsgálat alapjai az üzleti életben. Vezető mérőszámok. A kísérletek alapjai. Hipotézisek generálása. A mérőszámok rangsorolása. A kísérlet elvégzésének módszerének kiválasztása. Kvalitatív módszerek hipotézisek tesztelésére. Kvantitatív módszerek hipotézisek tesztelésére. Az A/B tesztek előnyei és hátrányai.
• A hipotézisek rangsorolása. RICE keretrendszer. Elérési paraméter. Hatásparaméter. Bizalom paraméter. Erőfeszítések paraméter.
• Felkészülés egy A/B teszt elvégzésére. A/A teszt. I. és II. típusú hibák. Statisztikai teszt ereje. Statisztikai teszt jelentősége. Többszörös összehasonlítás, módszerek a hiba valószínűségének csökkentésére. Az A/B teszt mintanagyságának és időtartamának kiszámítása. A mérőszámok grafikus elemzése.
• Az A/B tesztek eredményeinek elemzése. A részvények egyenlőségének hipotézisének tesztelése. Shapiro-Wilk teszt az adatok normálisságának tesztelésére. Nem paraméteres statisztikai tesztek. Mann-Whitney teszt. A kumulatív mérőszámok stabilitása. Kiugró értékek és kitörések elemzése.
• Viselkedési algoritmusok. Tények, érzelmek, értékelések. Magyarázza el a nézőpontját.
A/B tesztelés Hipotézisek rangsorolása Felkészülés A/B tesztelésre Az A/B tesztelés eredményeinek elemzése Az A/B tesztelés eredményeinek elemzése
Projekt
Elemezze az A/B tesztelés eredményeit egy nagy online áruházban.

10 sprint 1 hét

A második modul záró projektje

Tanuljon meg statisztikai hipotéziseket tesztelni A/B teszteléssel, és következtetéseket és ajánlásokat készítsen analitikus jelentés formátumban.
Értékesítési csatornaA/B tesztelésAdatfeldolgozásKutatási adatok elemzése
Projekt
Fedezze fel az értékesítési tölcsért, és elemezze az A/B tesztelés eredményeit a mobilalkalmazásban.

11 sprint 2 hét

Hogyan meséljünk el egy történetet adatokkal

Megtanulja, hogyan kell helyesen bemutatni kutatása eredményeit grafikonok segítségével, a legfontosabb ábrákat és azok helyes értelmezését. Ismerje meg a Seaborn és a Plotly könyvtárakat.

• Kinek, hogyan, mit és miért kell elmondani. A kutatási eredmény bemutatása. A narrátor célközönsége. Mit és miért kell elmondani egy adatelemzőnek.
• Seaborn Könyvtár. A Seaborn könyvtár a Matplotlib könyvtár kiterjesztéseként. jointplot() metódus. Színtartományok. Diagram stílusok. Eloszlások vizualizálása.
• Plotly könyvtár. Interaktív grafikonok. Vonal grafikon. Oszlopdiagram. Kördiagram. Tölcsérdiagram.
• Adatvizualizáció a geoanalitikában. Geoanalytics. Könyvtár Folium. Térkép megjelenítése. Jelölők beállítása megadott koordinátákkal. Pontklaszterek létrehozása. Egyéni ikonok a markerekhez. Horoplet.
• Prezentáció készítése. Következtetések a tanulmány alapján. Szezonalitás és külső tényezők. Abszolút és relatív értékek. Simpson paradoxona. A prezentációk felépítésének elvei. Jelentések a Jupyter Notebookban.
PlotlyFoliumSeabornMatplotlibPresentationGeoanalyticsAdatvizualizáció
Projekt
Nyílt adatok alapján készítsen piackutatást a moszkvai közétkeztetési intézményekről, vizualizálja a kapott adatokat.

12 sprint 2 hét

Irányítópultok építése Tableauban

Ebben a sprintben a Tableau BI rendszerrel fog dolgozni. Tanuljon meg kapcsolódni az adatokhoz és módosítani azokat, készíteni különböző típusú grafikonokat, összeállítani műszerfalakat és prezentációkat.

• A Tableau-val való munka alapjai. BI rendszerek. Csoportkép. Dokumentum létrehozása. A dokumentum mentése. A dokumentum közzététele.
• Adatforrásokkal való munka. Adatforrások. Adatok összevonása. Kapcsolati módszer. Csatlakozási módszer. Blend módszer. Uniós módszer. A táblázat formátumának megváltoztatása.
• Adattípusok. Alapvető adattípusok. Mérések. Intézkedések. Munka dátummal és idővel. Készletek. Csoportok. Lehetőségek. A változók formátumának megváltoztatása. Változók Measure Names, Measure Values, Count.
• Táblázatok és számítások. Lapszerkesztő felület. Pivot táblák. Számított mezők. LOD kifejezések.
• Szűrők és válogatás. Válogató intézkedések. Rendezési méretek. Beágyazott fajták. Rendezés paraméter segítségével. Szűrők.
• Vizualizációk. Vizualizációs vezérlők. Hőtérképek. Kördiagramok. Oszlopdiagramok. Hisztogramok. Tartomány diagramok. Szórási diagram. Vonalgrafikonok. Kombinált grafikonok. Terület diagramok.
• Speciális vizualizációk és eszköztippek. Kártyák. Karaktertérkép. Buborék diagram. Fa térkép. Körnézet diagramok. Bullet diagramok. Gantt diagramok. Mérési nevek és mérési értékek a vizualizációkban. Visszafejtés. Eszköztippek. Eszköztippek vizualizációkkal. Küszöbértékek a grafikonokon. Egyedi elemző eszközök.
• Előadások. Extra lehetőségek. Tipikus paraméterek tanulmányozása. Prezentáció készítése.
• Irányítópultok. Adatok betöltése, előkészítése. Vizualizációk készítése. Műszerfal összeszerelés. Akciók. Műszerfal bemutató. Irányítópult közzététele.
TableauDashboardsBI-toolsBI-toolsAdatvizualizáció
Projekt
Kutassa fel a TED-konferenciák történetét, és hozzon létre egy irányítópultot a Tableauban a kapott adatok alapján.

Extra Sprint

A gépi tanulás alapjai

Ismerkedjen meg a gépi tanulás alapjaival és ismerje meg a gépi tanulás főbb feladatait az üzleti életben.
PythonPandasSklearnGépi tanulásGépi tanulási feladatokGépi tanulási algoritmusok

Extra Sprint

Gyakorold a Pythont

A Python programozási nyelvben több laboratóriumi órát vesz majd további feladatokkal. Azt is megtanulja, hogyan lehet adatokat kinyerni a webes erőforrásokból.

Fogsz:
• a HTML oldalak felépítésében és a GET kérések működésében,
• megtanulni egyszerű reguláris kifejezéseket írni,
• ismerje meg az API-t és a JSON-t,
• több kérést is benyújthat az oldalakhoz, és adatokat gyűjthet.
JSONPythonREST APIWeb kaparás

13 sprint 3 hét

Érettségi projekt

Az utolsó projektben erősítse meg, hogy új szakmát sajátított el. Tisztázza az ügyfél feladatát, és menjen végig az adatelemzés minden szakaszán. Most nincsenek leckék vagy házi feladatok – minden olyan, mint egy igazi munkahelyen.

Az utolsó sprint projektmunkát, A/B tesztelést és SQL feladatokat, valamint egy további feladatot tartalmaz. A projekt tartalmazza a probléma megfogalmazását, a várható eredményt, egy adatsort és azok leírását.

A feladat öt üzleti terület egyikéhez kapcsolódik:
• bankok,
• kiskereskedelem,
• játékok,
• mobil alkalmazások,
• e-kereskedelem.

A projekt lépéseinek szokásos leírása nem lesz. Te magad fogod átdolgozni őket.
SQ LPython PandasTableau Dashboards Postgre SQL Dekompozíció A/B tesztelése