Дата-журналист: истории, основанные на данных

• 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.

• Библиотека numpy. Вычислительные задачи.
• Библиотека pandas.
• Функции и работа с данными.
• Продвинутый pandas.
• Сложные расчётные поля, обзор основных групп функций.
• Библиотека Matplotlib & Seaborn. Визуализация данных.

• Основы описательной статистики, виды распределений в Python.
• Центральная предельная теорема и статистический анализ данных в Python.
• Основные статистические тесты и проверка гипотез.

• 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.

• Excel для дата-журналиста.
• Визуализация данных.
• Основы картографии.
• Формирование дата-истории.
• Инструменты дата-сторителлинга.

Подготовка материала на основе данных для публикации в медиа или коммерческих блогах. Дипломный проект выполняется самостоятельно под руководством преподавателя.