[Нетология] Дата-журналист: истории, основанные на данных (Андрей Дорожный)

[Moderator]

Почему дата-журналистика — профессия будущего В мире появляется всё больше данных. Но данные сами по себе — это набор символов. Нужны специалисты, которые умеют извлекать важные для государства, бизнеса и общества инсайты и подавать их читателям в понятном виде. Высокий спрос на специалистов. Мировые медиа, как традиционные, так и корпоративные, имеют в штате специалистов по работе с данными. Для некоторых редакций наличие навыков работы с данными — ключевое преимущество при выборе кандидата на должность. В России этот рынок только формируется — это свободная ниша, которая испытывает потребность в квалифицированных кадрах. Курс особенно подойдёт Журналистам, контент-маркетологам, блогерам. Освоите инструменты для создания полноценных исследований и откроете огромное информационное поле для новых материалов. Научитесь писать, опираясь на факты, прокачаетесь в специальности и сможете претендовать на высокую зарплату. Product / project менеджерам, PR-специалистам. Научитесь собирать данные внутри компании или продукта, поймёте, как их использовать и для чего. Сможете создавать статьи, спецпроекты и материалы для СМИ и повышать узнаваемость своего продукта/проекта. Находить гипотезы и работать с ними, создавать повестку. Чему вы научитесь на курсе Анализировать. Использовать Python для статистического анализа данных, искать закономерности, строить гипотезы и задавать вопросы к данным Визуализировать. Обрабатывать данные любой сложности в Tableau, формировать понятные и наглядные отчёты по ключевым показателям Рассказывать. Создавать из подтверждённых гипотез и фактов рассказ для читателя, добавлять в историю проблему и героя Программа Вы научитесь пользоваться инструментами и подходами в Python, чтобы начать работать с данными и анализировать в нём информацию. Основы Python и Git (арифметика) Базовые типы данных и циклы Функции и классы Продвинутые типы данных: массивы, множества, словари Python для анализа данных: numpy и scipy Python для анализа данных: pandas Основные библиотеки для подключения к БД из Python Инструменты matplotlib, seaborn для визуализации Выбор способа визуализации под задачу Вы научитесь оценивать, связаны ли признаки, а также делать обоснованные выводы о том, значима ли эта связь статистически. Узнаете о статистических гипотезах, способах их проверки и об основных статистических критериях, которые для этого разработаны. Рассмотрите случайные события, их свойства и операции над ними. Основы описательной статистики, виды распределений в Python Центральная предельная теорема и статистический анализ данных в Python Основные статистические тесты и проверка гипотез Кейс-стади. Статистические показатели в Python Знакомство с инфраструктурой Tableau. Загрузка данных. Первый дашборд Основные виды визуализаций. Лучшие практики визуализации Основы работы с расчётными полями, фильтрами, множествами и группировками Использование параметров, объединение нескольких источников Сложные расчётные поля, обзор основных групп функций Функции LOD, Set Actions, Parameter Actions Разработка дашбордов. Настройка взаимодействия между визуализациями Tableau Professional. Подключение к базам данных SQL Основы работы с Tableau Server