После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Итак, у вас есть интересные данные — с чего начать анализ? Этот курс охватывает весь процесс исследования и анализа данных: от знакомства с содержимым набора данных до включения результатов разведочного анализа в рабочий процесс специалиста по данным.
На примере данных о безработице и ценах на авиабилеты вы научитесь использовать Python для обобщения и проверки данных, вычисления, обнаружения и замены пропущенных значений, а также очистки числовых и категориальных данных. На протяжении всего курса вы будете создавать наглядные визуализации с помощью Seaborn, чтобы лучше понять переменные и взаимосвязи между ними.
В завершение курса вы узнаете, как результаты разведочного анализа применяются в рабочих процессах: для создания новых признаков, балансировки категориальных признаков и формулировки гипотез на основе полученных выводов.
По окончании курса вы будете уверенно проводить собственный разведочный анализ данных (EDA) на Python, наглядно представлять результаты другим специалистам и предлагать дальнейшие шаги для извлечения ценной информации из данных!Видеоматериалы содержат субтитры, которые можно открыть, нажав «Show transcript» в левом нижнем углу плеера. Глоссарий курса находится справа в разделе ресурсов.Для получения кредитов CPE необходимо пройти курс и набрать не менее 70% в итоговой аттестации. Перейти к аттестации можно, нажав на соответствующий блок CPE credits справа.
На примере данных о безработице и ценах на авиабилеты вы научитесь использовать Python для обобщения и проверки данных, вычисления, обнаружения и замены пропущенных значений, а также очистки числовых и категориальных данных. На протяжении всего курса вы будете создавать наглядные визуализации с помощью Seaborn, чтобы лучше понять переменные и взаимосвязи между ними.
В завершение курса вы узнаете, как результаты разведочного анализа применяются в рабочих процессах: для создания новых признаков, балансировки категориальных признаков и формулировки гипотез на основе полученных выводов.
По окончании курса вы будете уверенно проводить собственный разведочный анализ данных (EDA) на Python, наглядно представлять результаты другим специалистам и предлагать дальнейшие шаги для извлечения ценной информации из данных!Видеоматериалы содержат субтитры, которые можно открыть, нажав «Show transcript» в левом нижнем углу плеера. Глоссарий курса находится справа в разделе ресурсов.Для получения кредитов CPE необходимо пройти курс и набрать не менее 70% в итоговой аттестации. Перейти к аттестации можно, нажав на соответствующий блок CPE credits справа.
Предварительные требования
Программа
План курса
1
Знакомство с набором данных
Как лучше всего подойти к новому набору данных? Научитесь проверять и обобщать категориальные и числовые данные, а также создавать визуализации с помощью Seaborn для наглядного представления результатов.
- Первичное исследование данных50 XP
- Функции для первичного исследования данных100 XP
- Подсчёт значений категориальных переменных100 XP
- Мировая безработица в 2021 году100 XP
- Валидация данных50 XP
- Определение типов данных100 XP
- Проверка континентов100 XP
- Проверка диапазона значений100 XP
- Обобщение данных50 XP
- Сводные данные с .groupby() и .agg()100 XP
- Именованные агрегации100 XP
- Визуализация категориальных сводок100 XP
2
Очистка данных и импутация
Исследование и анализ данных нередко связаны с пропущенными значениями, неправильными типами данных и выбросами. В этой главе вы освоите методы работы с подобными проблемами и научитесь оптимизировать процесс разведочного анализа данных.
3
Взаимосвязи в данных
Переменные в наборах данных не существуют изолированно — между ними есть взаимосвязи. В этой главе вы рассмотрите связи между числовыми, категориальными и временны́ми данными, изучите направление и силу этих взаимосвязей, а также способы их визуализации.
4
От разведочного анализа к действию
Разведочный анализ данных — важный этап в работе специалиста по данным, но не финальный. Пришло время освоить методы и подходы, которые помогут вам уверенно продвигаться вперёд после завершения исследования данных.
Разведочный анализ данных на Python
Курс
завершён
