Дата-журналист: истории, основанные на данных [Нетология] [Андрей Дорожный]
![[IMG]](/upload/parser/2023/05/460012.0.png)
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
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.
- Журналистам, контент-маркетологам, блогерам
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.
- Product / project менеджерам, PR-специалистам
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
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
Последнее редактирование модератором:
- Статус
- В этой теме нельзя размещать новые ответы.