Curs
Analiza exploratorie a datelor în Python
IntermediarNivel de competențe
Actualizat 04.2026
PythonExploratory Data Analysis4 h14 videoclipuri49 Exerciții4,150 XP100K+Certificat de realizare
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și faptul că datele tale sunt stocate în SUA.
Îndrăgit de cursanți din mii de companii
Formare pentru o echipă?
Încearcă pentru afaceriDescrierea cursului
Folosind date despre rata șomajului și prețurile biletelor de avion, vei utiliza Python pentru a rezuma și valida date, a calcula, identifica și înlocui valorile lipsă, și a curăța atât valori numerice, cât și categoriale. Pe parcursul cursului, vei crea vizualizări atractive în Seaborn pentru a înțelege variabilele și relațiile dintre ele.
În final, cursul arată cum descoperirile din explorare alimentează fluxurile de lucru de știința datelor – prin crearea de noi caracteristici, echilibrarea caracteristicilor categoriale și generarea de ipoteze pe baza rezultatelor.
La finalul acestui curs, vei avea încrederea necesară pentru a realiza propria analiză exploratorie a datelor (EDA) în Python. Vei putea explica vizual concluziile tale altora și să propui pașii următori pentru extragerea de informații din datele tale!Videoclipurile conțin transcrieri live pe care le poți afișa dând clic pe „Show transcript" în colțul din stânga jos al videoclipurilor. Glosarul cursului se află în dreapta, în secțiunea de resurse.Pentru a obține credite CPE, trebuie să finalizezi cursul și să obții un scor de 70% la evaluarea calificată. Poți naviga la evaluare dând clic pe notificarea pentru credite CPE din dreapta.
Cerințe prealabile
Introduction to Statistics in PythonIntroduction to Data Visualization with Seaborn1
Getting to Know a Dataset
What's the best way to approach a new dataset? Learn to validate and summarize categorical and numerical data and create Seaborn visualizations to communicate your findings.
2
Data Cleaning and Imputation
Exploring and analyzing data often means dealing with missing values, incorrect data types, and outliers. In this chapter, you’ll learn techniques to handle these issues and streamline your EDA processes!
3
Relationships in Data
Variables in datasets don't exist in a vacuum; they have relationships with each other. In this chapter, you'll look at relationships across numerical, categorical, and even DateTime data, exploring the direction and strength of these relationships as well as ways to visualize them.
4
Turning Exploratory Analysis into Action
Exploratory data analysis is a crucial step in the data science workflow, but it isn't the end! Now it's time to learn techniques and considerations you can use to successfully move forward with your projects after you've finished exploring!
Analiza exploratorie a datelor în Python
Curs finalizat
Obține diploma de absolvire
Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumatDistribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum
Alătură-te celor peste 19 de milioane de cursanți și începe Analiza exploratorie a datelor în Python astăzi!
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și faptul că datele tale sunt stocate în SUA.
Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil
Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.