Data Science для экономистов

🚀 Итоговый вариант (с небольшими дополнениями):

📌 Модуль 1. Введение в Data Science и данные в финансах
1️⃣ Что такое Data Science? Кейсы в экономике (трейдинг, риск-менеджмент, маркетинг).
2️⃣ Источники данных (Yahoo Finance, ЦБ РФ, Kaggle) + практика: загрузка CSV/API.
3️⃣ Этапы работы: EDA, очистка, feature engineering на примере макроэкономических данных.

📌 Модуль 2. Инструменты анализа данных
4️⃣ Excel vs SQL vs Python: плюсы/минусы для экономиста.
5️⃣ Pandas: разбор датасета с курсами валют.
6️⃣ Визуализация: построение интерактивных дашбордов (Plotly, Power BI).

📌 Модуль 3. Методы анализа финансовых данных
7️⃣ Описательная статистика: анализ распределения доходностей акций.
8️⃣ Корреляция: как связаны нефть, курс рубля и инфляция?
9️⃣ Временные ряды: ARIMA, прогнозирование ВВП.

📌 Модуль 4. Основы ML в финансах
🔟 Регрессия: предсказание цены акций.
1️⃣1️⃣ Классификация: скоринг заёмщиков (логистическая регрессия).
1️⃣2️⃣ Кластеризация: сегментация пользователей финтех-приложений.

📌 Модуль 5. Практика + проект
1️⃣3️⃣ Разбор кейса: анализ крипторынка или инфляции.
1️⃣4️⃣ Проект: от EDA до простой модели + презентация.
1️⃣5️⃣ Итоги + разбор типичных ошибок.

📢 Дополнительные фишки:

  • Геймификация: мини-соревнования (например, кто лучше предскажет курс валют / котировок).

  • Гостевые лекции: финтех-аналитики или дата-сайентисты из банка.

  • Чеклист "Как продолжить обучение": Подборка книг, курсов, датасетов.