Программа направлена на формирование устойчивых навыков представления данных в аналитических и исследовательских задачах. Участники осваивают инструменты визуализации Matplotlib, Seaborn, Plotly и Streamlit, изучают принципы построения линейных графиков, гистограмм, диаграмм рассеяния, тепловых карт, а также методы отображения временных рядов и геоданных.
Отдельный блок курса посвящён созданию интерактивных отчётов и дашбордов, автоматизации генерации визуальных отчётов в Jupyter Notebook и Python-скриптах, а также использованию Streamlit в задачах бизнес-аналитики. Материалы подаются с практической ориентацией: все методы демонстрируются на реальных наборах данных, включая бизнес-кейсы и модели из прикладной статистики и дата-анализа. Финальный проект завершается самостоятельной разработкой визуального аналитического отчёта.
Документ по окончании
📜 Удостоверение о повышении квалификации – для слушателей с высшим или средним профессиональным образованием.
📜 Сертификат о прохождении обучения – для всех остальных участников.
Содержание
- 5 модуля
- 40 уроков
- 40 часов
- Блок 1. Основы графиков и диаграмм8
- 1.1Введение в визуализацию данных и библиотеку Matplotlib
- 1.2Практическая работа №1. Построение первых графиков с Matplotlib
- 1.3Работа с линейными графиками
- 1.4Практическая работа №2. Создание линейного графика с аннотациями
- 1.5Гистограммы и столбчатые диаграммы
- 1.6Практическая работа №3. Визуализация распределения данных с помощью гистограмм
- 1.7Круговые диаграммы и тепловые карты
- 1.8Практическая работа №4. Визуализация пропорций с помощью круговых диаграмм
- Блок 2. Визуализация временных рядов8
- 2.1Визуализация временных рядов
- 2.2Практическая работа №5. Визуализация временного ряда (цены акций, погода)
- 2.3Скользящее среднее и тренды во временных рядах
- 2.4Практическая работа №6. Анализ сезонности временного ряда с помощью Matplotlib
- 2.5Графики временных рядов с Seaborn
- 2.6Практическая работа №7. Анализ временных рядов с Seaborn
- 2.7Визуализация нескольких временных рядов на одном графике
- 2.8Практическая работа №8. Визуализация сравнения двух временных рядов
- Блок 3. Интерактивные визуализации (Plotly)8
- 3.1Основы Plotly: построение интерактивных графиков
- 3.2Практическая работа №9. Создание интерактивного линейного графика с Plotly
- 3.3Взаимодействие с пользователем в интерактивных графиках
- 3.4Практическая работа №10. Добавление интерактивных элементов в график
- 3.5Построение интерактивных временных рядов в Plotly
- 3.6Практическая работа №11. Визуализация временного ряда с анимацией
- 3.7Интерактивные тепловые карты и геоданные
- 3.8Практическая работа №12. Построение интерактивной карты данных
- Блок 4. Отображение статистических данных6
- 4.1Диаграммы рассеяния и регрессия в Seaborn
- 4.2Практическая работа №13. Визуализация корреляции данных с Seaborn
- 4.3Ящиковые диаграммы (boxplot) и violinplot
- 4.4Практическая работа №14. Анализ распределения данных с помощью boxplot
- 4.5Построение корреляционных матриц
- 4.6Практическая работа №15. Визуализация корреляции переменных с Seaborn
- Блок 5. Автоматизация построения отчетов10
- 5.1Генерация отчетов в Jupyter Notebook
- 5.2Практическая работа №16. Создание интерактивного отчета в Jupyter Notebook
- 5.3Создание автоматизированных отчетов в Python
- 5.4Практическая работа №17. Автоматическая генерация отчетов с Python
- 5.5Динамическая визуализация данных в Streamlit
- 5.6Практическая работа №18. Разработка веб-интерфейса для анализа данных
- 5.7Визуализация данных в бизнес-аналитике
- 5.8Практическая работа №19. Создание аналитического дашборда
- 5.9Итоговый проект по визуализации данных
- 5.10Практическая работа №20. Финальный проект по визуализации данных
Требования
- Установленная среда Python с доступом к Jupyter Notebook
- Базовые навыки работы с Pandas и NumPy
- Умение читать CSV и работать с табличными данными
- Уверенное владение ПК, понимание принципов аналитики
Особенности
- Обучение проводится на реальных задачах и дата-сетах
- Освоение четырёх ключевых инструментов визуализации
- Построение интерактивных дашбордов с Plotly и Streamlit
- Упор на оформление аналитических отчётов и графической интерпретации
- Финальный проект – разработка собственной визуальной системы на основе данных
Целевая аудитория
- Специалисты по аналитике и визуализации данных
- Начинающие дата-сайентисты
- BI-аналитики и продуктовые аналитики
- Маркетологи, экономисты, исследователи, работающие с данными
- Студенты и выпускники технических и экономических направлений