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

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


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

Спойлер: 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

Скрытая ссылка