Visão Geral

Este Curso Python for Marketers, para profissionais de marketing ensina aos profissionais de marketing como coletar, manipular e analisar dados usando a linguagem de programação Python. Os primeiros dois dias estimulam os participantes no Python. Em seguida, os participantes aprendem como usar suas novas habilidades em Python para coletar dados de marketing, limpá-los e criar visualizações de dados atraentes. Além disso, os participantes aprendem como executar testes A/B em grupos de dados, segmentar dados de clientes e muito mais.

Objetivo

Após realizar este Curso Python for Marketers, você será capaz de:

• Comece com a linguagem de programação Python
• Colete dados coletando sites e consultando APIs da web
• Limpe, agregue e manipule dados de forma eficaz
• Crie visualizações de dados atraentes
• Aplicar técnicas estatísticas para executar testes A/B em grupos de dados
• Use técnicas populares para segmentar dados de clientes
• Realize análises de regressão para identificar fatores que têm impacto nos tópicos de interesse
• Adquirir habilidades para realizar análises básicas em dados de texto

Pre-Requisitos

• Alguma experiência em programação é útil, mas não obrigatória. Os alunos devem se sentir confortáveis ​​trabalhando com arquivos e pastas e compreender estatísticas básicas.

Materiais

Conteúdo Programatico

Introduction

Getting Acquainted with the Command Line

1. Paths, directories, and filenames
2. Navigating through filesystem
3. Create, copy, and move files and directories

Introduction to Python

1. Starting Python
2. Using the interpreter
3. Running a Python script
4. Using an IDE

Variables, data types, and operators

1. Variables
2. Basic data types (Strings, Integers, Floating Point, Boolean)
3. Writing to the screen
4. Converting between data types
5. Operators

Flow Control

1. Conditional statements (if, elif, else)
2. Boolean expressions
3. While loop
4. Break and continue

Sequences

1. Lists and tuples
2. Indexing and slicing
3. Iterating through sequences
4. For loop
5. List comprehensions
6. Generator expressions
7. Nested expressions

Using Files

1. Opening a text file
2. Reading a text file
3. Writing to a text file

Dictionaries and Sets

1. Creating dictionaries
2. Creating sets
3. Iterating through dictionaries and sets

Functions

1. Defining functions
2. Parameters
3. Variable scope
4. Returning values
5. Lambda functions

Handling exceptions

1. Exceptions
2. Try/catch/finally

Modules and Packages

1. Importing modules
2. Namespaces
3. Creating packages

Classes

1. Defining classes
2. Constructors
3. Instance methods and data
4. Attributes
5. Inheritance

Scraping data from web sites

1. Connecting to websites using requests package
2. Parsing static HTML/CSS pages using BeautifulSoup package
3. Scraping dynamic website content using Selenium
4. Advanced: Building a web spider using scrapy

Using Web APIs

1. Collecting data from a publicly available web API

Numerical Python with NumPy

1. ND arrays
2. NumPy operations
3. Broadcasting
4. Structured arrays
5. Vectorization

Data Manipulation using Pandas

1. Series vs Dataframe
2. Datatypes in Pandas
3. Importing data: CSV/Excel/JSON/HTML
4. Dataframe indexing
5. Selecting subsets of dataframe
6. Creating and deleting variables
7. Identifying duplicate data

Advanced Pandas Methods

1. Uni and multivariate statistical summaries
2. Handling missing data
3. Aggregating data
4. Pivot tables
5. Merging dataframes
6. Pandas string methods

Data Visualization using Matplotlib and Seaborn

1. Creating histograms
2. Creating bar plots
3. Creating box plots
4. Creating scatter plots
5. Group-by plotting
6. Plot formatting

A/B Testing for group differences

1. p-values
2. T-test
3. Chi-squared test

Regression Analysis

1. Linear Regression
2. Logistic Regression

Customer segmentation

1. K-means clustering algorithm
2. Hierarchical clustering algorithm
3. RFM Analysis

Text Analysis

1. Tokenizing text
2. Stopwords
3. Cleaning and processing text
4. Creating word clouds
5. Named Entity Recognition
6. Sentiment analysis