Программа повышения квалификации «Анализ и визуализация данных на Python» охватывает полный цикл работы с данными: от загрузки и очистки до агрегации, временных рядов, обработки пропусков и выбросов, кодирования признаков и создания профессиональных визуализаций.
Курс включает 18 лекционных уроков (36 академических часов) и 18 практических работ для самостоятельного выполнения. Обучение проходит в групповом формате по установленному расписанию.
Программа предназначена для аналитиков, экономистов, маркетологов и начинающих data-специалистов. Вы освоите работу с реальными наборами данных: загрузку из CSV, Excel, SQLite, фильтрацию, группировку, сводные таблицы, анализ временных рядов и создание наглядных графиков с помощью Matplotlib и Seaborn.
Технологический стек
Python
Jupyter Notebook
Pandas
NumPy
Matplotlib
Seaborn
openpyxl
SQLite
Git
Jupyter Notebook
Pandas
NumPy
Matplotlib
Seaborn
openpyxl
SQLite
Git
Программа реализуется Центром прикладных технологий Центра 25-12.
Обучение проходит в групповом формате по установленному расписанию.
Обучение проходит в групповом формате по установленному расписанию.
Документ об окончании
📜 Удостоверение о повышении квалификации — для слушателей с высшим или средним профессиональным образованием.
📜 Сертификат о прохождении обучения — для всех остальных участников.
📜 Сертификат о прохождении обучения — для всех остальных участников.
Стоимость и оплата
Оплата производится единым платежом. Все платежи осуществляются напрямую в адрес образовательной организации — без процентов и скрытых комиссий.
Стоимость программы — 36 000 ₽
Содержание
- 1 модуль
- 36 уроков
- 60 часов
- Программа курса36
- 1.1Введение в анализ данных и инструменты
- 1.2Практическая работа №1. Установка Jupyter Notebook и первые шаги с Pandas
- 1.3Основы NumPy: массивы и векторные операции
- 1.4Практическая работа №2. Создание и манипуляции с массивами NumPy
- 1.5Знакомство с Pandas: Series и DataFrame
- 1.6Практическая работа №3. Создание и индексация DataFrame
- 1.7Чтение и запись данных из CSV и TXT
- 1.8Практическая работа №4. Загрузка и экспорт данных в CSV
- 1.9Работа с Excel-файлами через openpyxl
- 1.10Практическая работа №5. Чтение и запись Excel без использования проприетарных библиотек
- 1.11Работа с локальными базами данных через SQLite
- 1.12Практическая работа №6. Запросы к SQLite из Pandas
- 1.13Фильтрация и сортировка данных в DataFrame
- 1.14Практическая работа №7. Условная выборка и сортировка данных
- 1.15Группировка данных и агрегатные функции
- 1.16Практическая работа №8. Группировка и сводные статистики
- 1.17Сводные таблицы в Pandas
- 1.18Практическая работа №9. Построение сводных таблиц для анализа
- 1.19Объединение таблиц: merge и join
- 1.20Практическая работа №10. Слияние нескольких наборов данных
- 1.21Работа с датами и временными метками
- 1.22Практическая работа №11. Преобразование и анализ временных данных
- 1.23Основы анализа временных рядов
- 1.24Практическая работа №12. Тренд и скользящее среднее
- 1.25Визуализация данных с Matplotlib
- 1.26Практическая работа №13. Построение базовых графиков
- 1.27Расширенная визуализация с Seaborn
- 1.28Практическая работа №14. Гистограммы, boxplot, heatmap
- 1.29Обработка пропущенных значений
- 1.30Практическая работа №15. Заполнение и удаление NaN
- 1.31Обнаружение и обработка выбросов
- 1.32Практическая работа №16. Методы выявления аномалий
- 1.33Кодирование категориальных признаков
- 1.34Практическая работа №17. One-hot и label encoding
- 1.35Нормализация и стандартизация данных
- 1.36Практическая работа №18. Масштабирование признаков для анализа
Нет. Курс требует базовых навыков Python, включая работу со списками, циклами и библиотеками.
Да. Программа позволит расширить инструментарий и научиться представлять данные в более наглядной и профессиональной форме.
Достаточно Python 3.10+, Jupyter Notebook и базовых библиотек: Pandas, NumPy, Matplotlib, Seaborn, Plotly, Streamlit.
Да. Каждая тема включает практическое задание с разбором, а завершение курса предполагает защиту проекта.
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