10. Чем я занимаюсь
Развиваю отдел
аналитики в
Netpeak
Веду youtube и
telegram канал
R4marketing
Разрабатываю R
пакеты для
интернет
маркетинга
Преподаю на
онлайн курсе Язык
R для интернет
маркетинга
11. Про Netpeak
Netpeak — компания, которая стремится развивать рынок интернет-маркетинга.
Вне зависимости от того, станете вы нашим клиентом или нет, мы готовы помогать
в обучении для достижения бизнес-целей вашего проекта.
Работаем на рынке
интернет-маркетинга
с 2006 года
2000+
успешных проектов
200+
сертифицированных
специалистов
7 офисов в
4 странах мира
Наши разработки:
Мы делаем прибыльнее
бизнес наших клиентов:
В группе компаний Netpeak
создаются лучшие продукты
для профессионалов рынка.
Практически все лидеры
рынка интернет-маркетинга
используют Serpstat, Ringostat,
Netpeak Software и другие
продукты, которые были
созданы в Netpeak Group.
13. Библиотека
pandas — программная библиотека на языке
Python для обработки и анализа данных.
Работа pandas с данными строится поверх
библиотеки NumPy, являющейся
инструментом более низкого уровня.
Предоставляет специальные структуры
данных и операции для манипулирования
числовыми таблицами и временны́ ми
рядами. Название библиотеки происходит от
эконометрического термина «панельные
данные», используемого для описания
многомерных структурированных наборов
информации. pandas распространяется под
новой лицензией BSD.
Материал из википедии
14. Чему вы научитесь в ходе вебинара
● Устанавливать дистрибутив Anaconda
● Разберётесь со структурами данных Series и DataFrame
● Загружать данные из CSV, Excel файлов и баз данных
● Анализировать структуру загруженных данных
● Переименовывать столбцы
● Осуществлять вертикальное и горизонтальное
объединение таблиц
● Добавлять в таблицу новые, вычисляемые столбцы
● Группировать и агрегировать данные
● Строить несколько типов графиков на основе данных
● Строить сводные таблицы в Pandas
16. Алексей Селезнёв
Head of Analytics Dept. at Netpeak
+38 (048) 73-73-501
a.seleznev@netpeak.net
seleznev.netpeak
Буду рад ответить на все ваши
вопросы
18. Как узнать количество строк и
столбцов в таблице?
1) Посчитать руками
2) Использовать метод shape
3) Использовать функцию len
4) Использовать функцию dim
19. Какую информацию о таблице
позволяет получить метод
dtypes?
1) Узнать к какой структуре относится
объект Series или DataFrame
2) Преобразовывает данные из одного типа
в другой
3) Возвращает список столбцов и описание
типа данных для каждого столбца
20. Какой метод DataFrame или
функцию Pandas необходимо
использовать, для того чтобы
соединить две таблицы по
общим полям?
1) Метод merge
2) Метод join
3) Метод union
22. Кому подойдет курс?
1. Тем, кто кто только собирается стать
аналитиком
2. Junior- и Middle-аналитикам
3. Тем, кто хочет перейти из смежной профессии
(product- и project-менеджерам, маркетологам,
дизайнерам и т.д.)
31. Блок 2:
«Веб- и мобайл-аналитика»
— Базовые настройки и отчеты Google
Analytics и Yandex Metrica
— Инструменты и отчеты app-аналитики
— Практика работы с инструментами
ClickHouse, OWOX и BigQuery
40. Блок 7:
«Инструменты визуализации
аналитики»
— Расширенные возможности
визуализации в Excel и Google Sheets
— Возможности OWOX для визуализации
отчетов по web-аналитике
— Презентация результата команде
41. Блок 8:
«Построение Machine Learning
моделей»
— Линейные методы, логистическая
регрессия и SVM
— Оценка точности модели, борьба с
переобучением, регуляризация
42. Блок 9:
«Аналитика больших данных»
— Машинные методы для обработки
данных
— Основы работы в Hadoop и
MapReduce
— Работа с облачными платформами:
AWS, EMR, Azure
48. 1) «Продуктовая аналитика» = 40 тыс. руб.
2) «Веб- и мобайл-аналитика» = 27 тыс. руб.
3) «Маркетинговая аналитика» = 35 тыс. руб.
4) «A/B-тестирование» = 21 тыс. руб.
5) «SQL» = 35 тыс. руб.
6) «Python» = 41 тыс. руб.
7) «Инструменты визуализации аналитики» — 29
тыс. руб.
8) «Построение Machine Learning моделей» — 38
тыс. руб.
9) «Аналитика больших данных» — 38 тыс. руб.
Итого 304 тыс. руб.
65. «Менеджмент AI- и BigData-
продуктов»
1. Определение бизнесовых точек роста компании, в
которых может помочь ML.
2. Чеклист внедрения ML-задач в компании и команде.
3. Лучшие практики работы с BigData/ML-командой.
4. Работа с датасетами и моделями. Выбор фичей.
5. Создание и запуск датасета.
6. Валидация бизнес-результатов запуска AI/ML-
функциональности.
67. SpeakerStar
1. Работа с текстом и структурой доклада.
2. Основы сторителлинга: интересное и
запоминающееся выступление.
3. Техника подготовки качественных слайдов.
4. Как удержать фокус в презентации на главном,
отбросив лишнее.
5. Как побороть страх? Говорим легко и уверенно.