Курс на Stepik
Обложка курса «Python для аналитиков» на Stepik
900 ₽

Python для аналитиков 4.667

Открыть на
STEPIK.ORG

Работа с большими данными (сфера Data Scince) охватывает большинство отраслей: производство, медицину, банковское дело, IT-сектор и т.д. Принимать правильные решения на основе больших объемов данных или прогнозировать значения различных параметром или наступление определенных событий – важные умения специалиста. Python в этом вопросе нам очень помогает – предоставляет широкий перечень библиотек для решения широкого класса вопросов по исследованию данных и прогнозированию.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Python для аналитиков»Учеников на курсе 46
Сертификаты, выданные на курсе «Python для аналитиков»Сертификатов выдано 0
Отзывы о курсе «Python для аналитиков»Отзывов получено 3
Рейтинг курса «Python для аналитиков»Рейтинг курса 4.667
Уроки в курсе «Python для аналитиков»Количество уроков 58
Время прохождения курса «Python для аналитиков»Время прохождения курса
Стоимость курса «Python для аналитиков»Стоимость курса 900 ₽
Обновления курса «Python для аналитиков»Обновления курса
Дата публикации курса «Python для аналитиков»Дата публикации курса
Последнее обновление курса «Python для аналитиков»Последнее обновление
Сложность easy

Содержание курса

Разделы в курсе «Python для аналитиков» 8 разделов Уроки в курсе «Python для аналитиков» 58 уроков Время прохождения курса «Python для аналитиков» 3 ч. Последнее обновление курса «Python для аналитиков» обн. 18 августа 2026

Работа с библиотекой Pandas. Часть 1

8 уроков
1. Введение в Pandas
2. Что такое Data Frame
3. Базовые операции с данными
4. Фильтрация данных
5. Сортировка данных
6. Объединение датафреймов
7. Объединение датафреймов в pandas
8. ДОМАШНЕЕ ЗАДАНИЕ

Работа с библиотекой Pandas. Часть 2

9 уроков
1. Что такое агрегирование данных
2. Что такое метод group_by
3. Что такое метод pivot_table
4. Что такое функция cross_tab
5. Что такое метрика конверсии
6. Подготовка данных для урока
7. Агрегирование и создание воронок конверсии
8. Создание сводных таблиц
9. ДОМАШНЕЕ ЗАДАНИЕ

Анализ данных и визуализация с помощью Matplotlib и Seaborn

13 уроков
1. Что такое разведочный анализ данных
2. Подготовка данных для урока
3. Создаем линейный график
4. Создаем гистограмму
5. Создаем диаграмму рассеяния
6. Создаем боксплот
7. Создаем столбчатую диаграмму
8. Создаем столбчатую многорядную диаграмму
9. Строим столбчатую многорядную сложенную диаграмму
10. Строим столбчатую многорядную сложенную диаграмму с долями и %
11. Строим круговую диаграмму
12. Библиотека seaborn
13. ДОМАШНЕЕ ЗАДАНИЕ

Статистика с библиотекой Scipy

7 уроков
1. Что такое библиотека Scipy
2. Что такое A/B - тестирование
3. Что такое задача оптимизации
4. A/B - тест с категориальной метрикой
5. A/B - тест с числовой метрикой
6. Задача оптимизации
7. ДОМАШНЕЕ ЗАДАНИЕ

Линейная алгебра с библиотекой Numpy

5 уроков
1. Что такое Numpy
2. Подготовка данных
3. Коллаборативная фильтрация
4. Рекомендации на основе коллаборативной фильтрации
5. ДОМАШНЕЕ ЗАДАНИЕ

Предобработка данных и предиктивные модели в Scikit-learn

4 урока
1. Что такое модель машинного обучения
2. Что такое Scikit-learn
3. Пример создания модели машинного обучения
4. ДОМАШНЕЕ ЗАДАНИЕ

Повышение качества предиктивных моделей. Feature Engineering

8 уроков
1. Введение в Feature Engineering
2. Подготовка данных
3. Признаки 'Sex' и ‘Age’
4. Признаки 'Sibsp' и 'Parch'
5. Признаки 'Ticket' и ‘Fare’
6. Признак 'Cabin'
7. Признак 'Embarked'
8. ДОМАШНЕЕ ЗАДАНИЕ

Feature Selection. Обучение моделей

4 урока
1. Feature Selection
2. Обучение модели
3. Улучшение модели
4. ДОМАШНЕЕ ЗАДАНИЕ