Курс на Stepik
Обложка курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя» на Stepik
2 990₽ -20%
--:--:--
2 392 ₽

Анализ данных Python: с 0 до уверенного бизнес-пользователя ★ 5.000

Открыть на
STEPIK.ORG

Раскройте возможности Python для анализа данных и машинного обучения - от основ языка - до знакомства с основными библиотеками для анализа данных - и аналитики (вплоть до нейросетевых методов).

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Учеников на курсе 205
Сертификаты, выданные на курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Сертификатов выдано 18
Отзывы о курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Отзывов получено 6
Рейтинг курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Рейтинг курса 5.000
Уроки в курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Количество уроков 205
Тесты в курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Количество квизов 679
Время прохождения курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Время прохождения курса —
Стоимость курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Стоимость курса 2 990 ₽ —
Обновления курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Обновления курса — —
Дата публикации курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Дата публикации курса — ———
Последнее обновление курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя» 14 разделов Уроки в курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя» 205 уроков Тесты в курсе «Анализ данных Python: с 0 до уверенного бизнес-пользователя» 679 тестов Время прохождения курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя» 76 ч. Последнее обновление курса «Анализ данных Python: с 0 до уверенного бизнес-пользователя» обн. 25 мая 2026

1. Введение

3 урока
Открытый
1.1 Пару слов о курсе ↗
248
248
5м 43с
2
Открытый
1.2 Просто зашли поинтересоваться? ↗
151
151
1м 32с
2
Открытый
1.3 Как мы будем учиться ↗
173
173
9м 46с
2

2. Знакомство с основами Python, его синтаксисом и мат. логикой

20 уроков
Закрытый
2.1 О языке Python ↗
101
90
6м 57с
1
Закрытый
2.2 Популярные рабочие среды для Python ↗
96
82
17м 28с
1
Закрытый
2.3 Знакомство с Jupyter Labs ↗
87
65
35м 19с
1
Закрытый
2.4 Работа ячеек и ядра в Jupiter Labs ↗
76
64
11м 47с
1
Закрытый
2.5 Нумерация и извлечение элементов в Python ↗
74
65
16м 59с
1
Закрытый
2.6 Основы и особенности написания и оформления кода: синтаксис ↗
72
59
24м 37с
0
Закрытый
2.7 Типы данных ↗
68
52
35м 14с
0
Закрытый
2.8 Переменные ↗
61
51
17м 25с
0
Закрытый
2.9 Динамическая типизация ↗
58
50
16м 45с
0
Закрытый
2.10 Числовой калькулятор ↗
59
48
22м 42с
0
Закрытый
2.11 Текстовые вычисления ↗
54
43
27м 13с
0
Закрытый
2.12 А как дела с датами? ↗
51
41
38м 25с
0
Закрытый
2.13 Мидквэл-лекция о модулях ↗
51
40
21м 43с
0
Закрытый
2.14 Операторы сравнения ↗
45
40
13м 6с
0
Закрытый
2.15 Логические операторы: and, or, not ↗
45
38
16м 32с
0
Закрытый
2.16 Оператор принадлежности: in \ not in ↗
45
38
10м 8с
0
Закрытый
2.17 Условные вычисления: if ↗
44
36
55м 44с
0
Закрытый
2.18 Функции: def ↗
44
37
44м 7с
0
Закрытый
2.19 Не о Half-Life: lambda-выражения ↗
47
35
5м 50с
0
Закрытый
2.20 Итоги знакомства: что из этих основ может пригодиться в анализе ↗
42
37
2м 37с
0

3. Углубление в основы:основные управляющие потоком конструкции

9 уроков
Закрытый
3.1 Что это за инструкции\конструкции ↗
45
40
5м 33с
0
Закрытый
3.2 Условное принятие решений: логика if, elif, else ↗
42
35
19м 31с
0
Закрытый
3.3 Условное принятие решений: паттерны\шаблоны match ↗
42
35
20м 59с
0
Закрытый
3.4 Комбинация конструкций (на примере match и if) ↗
41
41
3м 9с
0
Закрытый
3.5 Циклы: for и while ↗
42
34
23м 51с
0
Закрытый
3.6 Управление\изменение поведения циклов: break и continue ↗
38
34
9м 9с
0
Закрытый
3.7 Обработчики исключений\ошибок: try...except ↗
41
35
9м 58с
0
Закрытый
3.8 Управление ресурсами: with (проба работы с файлами) ↗
40
34
21м 41с
0
Закрытый
3.9 Итоги инструкций контроля потоков выполнения программы ↗
37
37
4м 37с
0

4. О библиотеках: предназначение, подключения, использования

9 уроков
Закрытый
4.1 Что такое библиотеки или "забудьте (почти)все что мы учили ранее ↗
47
47
3м 47с
0
Закрытый
4.2 Массивы и Таблицы ↗
48
41
13м 50с
0
Закрытый
4.3 NumPy и SciPy для вычислений ↗
43
41
10м 59с
0
Закрытый
4.4 Pandas и Polars: предназначение, отличия, подключение ↗
46
35
19м 6с
0
Закрытый
4.5 Matplotlib, Seaborn, Plotly:предназначение, отличия, подключение ↗
41
36
31м 37с
0
Закрытый
4.6 StatsModels с TSA: предназначение, отличия, подключение ↗
41
33
15м 50с
0
Закрытый
4.7 ML (scikit-learn) с бустингом (...boost) ↗
40
34
11м 33с
0
Закрытый
4.8 Вызов подсказок и справок по объектам в библиотеках ↗
38
34
15м 46с
0
Закрытый
4.9 Библиотечные итоги ↗
38
37
4м 8с
0

5. Основы для быстрого старта: как это все работает в комлексе

9 уроков
Закрытый
5.1 Большая картина: врубаемся что вообще происходит ↗
41
38
12м 40с
0
Закрытый
5.2 Подготовка к написанию кода: подключаем библиотеки ↗
40
32
9м 50с
0
Закрытый
5.3 Загрузка данных ↗
40
32
17м 36с
0
Закрытый
5.4 Преобразование: очистка данных ↗
38
33
30м 37с
0
Закрытый
5.5 Преобразование: добавление новых столбцов ↗
38
34
12м 29с
0
Закрытый
5.6 Анализ данных: описательные статистики ↗
39
32
29м 44с
0
Закрытый
5.7 Визуализация данных ↗
39
31
24м 34с
0
Закрытый
5.8 Анализ данных: аналитическая статистика ↗
37
31
21м 24с
0
Закрытый
5.9 Итоги раздела ↗
35
35
4м 57с
0

6. ETL: извлечение, преобразование и загрузка данных

48 уроков
Закрытый
6.1 Общий процесс работы с данными и место в нем ETL ↗
40
40
2м 45с
0
Закрытый
6.2 Series, DataFrame, векторные вычисл.(обработка столбцов целиком) ↗
38
28
53м 35с
0
Закрытый
6.3 Навигация и отбор из датафрейма нужных данных ↗
34
27
28м 38с
0
Закрытый
6.4 Подключение к csv ↗
32
27
24м 15с
0
Закрытый
6.5 Подключение к Excel ↗
33
26
49м 34с
0
Закрытый
6.6 Самостоятельное задание: проба загрузки таблицы из SPSS ↗
31
27
8м 0с
0
Закрытый
6.7 ДатаФрейм и его Представление в Jupyter ↗
31
30
4м 41с
0
Закрытый
6.8 Вывод ВСЕХ строк и столбцов ↗
31
27
7м 32с
0
Закрытый
6.9 Выгрузка только нужных столбцов ↗
30
27
12м 48с
0
Закрытый
6.10 Мидквел:мастер-класс по базовому пониманию справочных материалов ↗
30
26
51м 50с
0
Закрытый
6.11 Изменения названий\имен\заголовков столбцов ↗
30
26
19м 40с
0
Закрытый
6.12 Перемещение\Изменение порядка столбцов ↗
31
25
16м 25с
0
Закрытый
6.13 Типы данных для столбцов: int, float, datetime, string ↗
28
24
31м 57с
0
Закрытый
6.14 Выбор столбцов по типу данных ↗
28
24
8м 9с
0
Закрытый
6.15 Систематизация чтений\подключений ↗
28
25
12м 10с
0
Закрытый
6.16 Вычисление новых столбцов: числовые столбцы ↗
28
23
22м 44с
0
Закрытый
6.17 Вычисление новых столбцов: разделение и объединение столбцов ↗
28
23
22м 39с
0
Закрытый
6.18 Вычисление новых столбцов: текстовые столбцы ↗
26
24
17м 17с
0
Закрытый
6.19 Вычисление новых столбцов: столбцы с датами ↗
27
24
28м 56с
0
Закрытый
6.20 Вычисление новых столбцов: условный столбец\перекодировка ↗
28
22
39м 33с
0
Закрытый
6.21 Вместо условного столбца: разбиение значений на группы (cut) ↗
26
23
15м 52с
0
Закрытый
6.22 Из одного столбца сделать много столбцов с 0\1 ↗
26
23
14м 18с
0
Закрытый
6.23 Удаление лишних\ненужных столбцов ↗
25
23
16м 21с
0
Закрытый
6.24 Систематизация работы со столбцами ↗
25
25
3м 50с
0
Закрытый
6.25 Тест по столбцам ↗
25
23
3м 6с
0
Закрытый
6.26 Оставление нужных строк сверху\снизу таблицы ↗
25
21
15м 55с
0
Закрытый
6.27 Удаление лишних\ненужных строк (порядок, дубликаты) ↗
25
21
25м 32с
0
Закрытый
6.28 Фильтрация\Отбор строк для анализа: условие c | и & ↗
24
22
22м 46с
0
Закрытый
6.29 Тест по строкам ↗
24
22
4м 28с
0
Закрытый
6.30 Стратегии работы с пустыми значениями ↗
24
24
6м 6с
0
Закрытый
6.31 Удаление пустых строк и столбцов ↗
23
21
20м 56с
0
Закрытый
6.32 Заполнение пустых значений другими значениями ↗
24
20
28м 7с
0
Закрытый
6.33 Заполнение вниз\вверх ↗
23
21
17м 16с
0
Закрытый
6.34 Интерполяция "пустышек" во времени (периодичные данные) ↗
23
21
16м 59с
0
Закрытый
6.35 Комплексные функционалы для АНАЛИЗА пропущенных значений ↗
23
20
24м 24с
0
Закрытый
6.36 Тест по пропускам ↗
21
20
4м 53с
0
Закрытый
6.37 Стратегии проверки данных: опечатки, смысл, не тот тип ↗
22
20
41м 18с
0
Закрытый
6.38 Мидквел-лекция: Основы оконных вычислений ↗
22
20
23м 49с
0
Закрытый
6.39 Группировка\Агрегирование: понижение гранулярности таблицы ↗
22
20
41м 44с
0
Закрытый
6.40 Транспонирование DataFrame\таблицы ↗
23
20
15м 49с
0
Закрытый
6.41 Сводные таблицы (Pivot, Pivot Table, Crosstab) ↗
23
20
22м 30с
0
Закрытый
6.42 Мельтинг\Отмена свертывания\Unpivot ↗
22
20
28м 38с
0
Закрытый
6.43 Тест по изменению таблицы ↗
22
20
1м 34с
0
Закрытый
6.44 Слияние нескольких массивов\таблиц: добавление строк ↗
23
19
17м 39с
0
Закрытый
6.45 Слияние нескольких таблиц: добавление столбцов (с исп.ключей) ↗
22
19
24м 2с
0
Закрытый
6.46 Тест по джойнам и юнионам ↗
20
18
1м 17с
0
Закрытый
6.47 Сохранение данных в файл ↗
22
19
9м 0с
0
Закрытый
6.48 Итоги загрузки, очистки и подготовки данных ↗
22
22
4м 45с
0

7. Описательные статистики

12 уроков
Закрытый
7.1 Что такое описательные статистики ↗
22
21
2м 24с
0
Закрытый
7.2 Частотный анализ (частотное распределение) ↗
22
18
22м 6с
0
Закрытый
7.3 Частоты под несколько переменных ↗
22
17
22м 42с
0
Закрытый
7.4 4 группы мер в описательной статистике ↗
22
22
7м 36с
0
Закрытый
7.5 Меры центральной тенденции: среднее, мода, медиана ↗
21
17
33м 9с
0
Закрытый
7.6 Меры точек относительного разделения : процентили и квартили ↗
20
18
15м 37с
0
Закрытый
7.7 Меры рассеивания\вариативности: дисперсия, ст.отклонение, размах ↗
20
18
20м 28с
0
Закрытый
7.8 IQR и выбросы\outliers ↗
20
17
22м 27с
0
Закрытый
7.9 Комлексный анализ описательных статистик: describe ↗
20
17
27м 35с
0
Закрытый
7.10 Ящик с усами: визуал для среднего,квартилей,мин и макс, выбросов ↗
20
16
23м 10с
0
Закрытый
7.11 Меры формы распределения: асимметрия и эксцесс ↗
20
16
27м 21с
0
Закрытый
7.12 Итоги раздела ↗
19
16
5м 27с
0

8. Визуализации данных

22 урока
Закрытый
8.1 Что такое визуализации? ↗
19
19
3м 57с
0
Закрытый
8.2 Воспоминания как строятся диаграммы ↗
18
18
14м 44с
0
Закрытый
8.3 Агрегирующие и неагрегирующие диаграммы ↗
18
14
22м 37с
0
Закрытый
8.4 "Плавный" аналог гистограммы: агрегирующая KDE ↗
19
14
16м 31с
0
Закрытый
8.5 Столбиковые\Линейчатые диаграммы: вертикальные и горизонтальные ↗
17
14
29м 0с
0
Закрытый
8.6 Разбор и управление элементами диаграмм ↗
16
14
18м 30с
0
Закрытый
8.7 Цветовое форматирование визуальных элементов ↗
16
14
12м 26с
0
Закрытый
8.8 Группировка с распаковкой индекса: метод .groupby() с .unstack() ↗
16
13
6м 22с
0
Закрытый
8.9 Столбцы на разные диаграммы (subplots) ↗
16
13
11м 23с
0
Закрытый
8.10 Столбиковые диаграммы: с группировкой и с наложением ↗
15
13
6м 9с
0
Закрытый
8.11 Погрешности\Коридор прогноза на диаграммах ↗
16
12
30м 24с
0
Закрытый
8.12 График ↗
14
13
19м 55с
0
Закрытый
8.13 Вторая Y-ось ↗
14
13
16м 20с
0
Закрытый
8.14 Комбинированная диаграмма ↗
14
13
18м 26с
0
Закрытый
8.15 График\диаграмма с областями ↗
14
13
11м 0с
0
Закрытый
8.16 Круговые диаграммы ↗
14
13
6м 34с
0
Закрытый
8.17 Диаграмма рассеивания\точечная ↗
15
13
21м 40с
0
Закрытый
8.18 Превращаем точки в "пузыри" ↗
15
13
14м 16с
0
Закрытый
8.19 Матрица скаттерплотов ↗
15
13
11м 11с
0
Закрытый
8.20 Как забрать диаграммы в Power Point ↗
16
16
2м 2с
0
Закрытый
8.21 Таблица - также визуальный элемент ↗
15
12
36м 26с
0
Закрытый
8.22 Подводим итоги визуализаций ↗
15
14
7м 55с
0

9. Анализ данных: Сравнение групп

22 урока
Закрытый
9.1 Основные блоки задач, решаемые при анализе данных ↗
18
18
5м 49с
0
Закрытый
9.2 Генеральная совокупность и выборка ↗
17
11
62м 5с
0
Закрытый
9.3 Гипотезы и вероятность ошибки\значимость ↗
15
15
11м 23с
0
Закрытый
9.4 Параметрика\непараметрика ↗
16
16
6м 18с
0
Закрытый
9.5 Проверка распределения "на нормальность" ↗
15
14
40м 48с
0
Закрытый
9.6 Зависимые (парные, связанные) и Независимые группы ↗
15
15
6м 59с
0
Закрытый
9.7 Тест: Систематизация основных понятий ↗
15
15
3м 53с
0
Закрытый
9.8 Сравнение независимых групп: 2 группы, параметрика ↗
15
14
49м 19с
0
Закрытый
9.9 О навигации по таблицам результатов (вспомним датафреймы) ↗
15
14
13м 55с
0
Закрытый
9.10 Сравнение независимых групп: 2 группы, непараметрика ↗
15
13
17м 5с
0
Закрытый
9.11 Тест 2-х групп (почти самостоятельное задание) ↗
13
13
11м 31с
0
Закрытый
9.12 Сравнение незав. групп:более 2-х групп,параметрика,с пост-хок ↗
13
13
58м 26с
0
Закрытый
9.13 Сравнение незав. групп:более 2-х групп,непараметрика, с пост-хок ↗
14
12
22м 55с
0
Закрытый
9.14 Сравнение парных\связанных групп: 2 группы, параметрика ↗
13
12
24м 16с
0
Закрытый
9.15 Сравнение парных\связанных групп: 2 группы, непараметрика ↗
12
12
9м 15с
0
Закрытый
9.16 Сравнение парных групп: более 2-х групп, параметрика, с пост-хок ↗
12
11
45м 28с
0
Закрытый
9.17 Помиксуем-ка мы сами...: парные и независимые группы вместе ↗
11
11
14м 30с
0
Закрытый
9.18 Сравнение парных групп: более 2-х групп,непараметрика,с пост-хок ↗
11
10
15м 40с
0
Закрытый
9.19 Таблицы сопряженности: Хи2 для категориальных признаков, независ ↗
11
11
16м 17с
0
Закрытый
9.20 Таблицы сопряженности: МакНемар для категор. признаков в завис. ↗
11
9
12м 48с
0
Закрытый
9.21 Разговоры о красивом ↗
11
8
17м 15с
0
Закрытый
9.22 Групповые итоги ↗
11
11
3м 26с
0

10. Анализ данных: связи между переменными

16 уроков
Закрытый
10.1 Рассуждения о связях между переменными ↗
11
11
8м 47с
0
Закрытый
10.2 Сила, Направленность и Значимая\Неслучайна статистическая связь ↗
11
11
4м 30с
0
Закрытый
10.3 Корреляции ↗
12
11
74м 57с
0
Закрытый
10.4 Мидквел: многомерность выбросов ↗
11
11
8м 30с
0
Закрытый
10.5 Мидквел: многомерная нормальность ↗
11
11
23м 43с
0
Закрытый
10.6 Мидквел: корреляционная красота ↗
11
11
18м 37с
0
Закрытый
10.7 Корреляция для повторных замеров ↗
12
11
22м 6с
0
Закрытый
10.8 Ложные (частные\получастные) корреляции ↗
11
11
25м 32с
0
Закрытый
10.9 Анализ надежности-согласованности ↗
13
10
41м 15с
0
Закрытый
10.10 Линейная регрессия ↗
11
10
73м 4с
0
Закрытый
10.11 Понятие нормализации данных ↗
11
9
32м 47с
0
Закрытый
10.12 А если связи нелинейные? ↗
10
10
11м 36с
0
Закрытый
10.13 Квантильная регрессия (библиотека statsmodels) ↗
11
8
24м 51с
0
Закрытый
10.14 Что такое факторный анализ ↗
11
9
22м 33с
0
Закрытый
10.15 Факторный анализ (библиотека factor_analyzer) ↗
11
9
52м 10с
0
Закрытый
10.16 Итоги раздела ↗
10
10
4м 56с
0

11. Анализ данных: классификация

18 уроков
Закрытый
11.1 Переходим к классификации и кластеризации ↗
11
11
4м 2с
0
Закрытый
11.2 Кто учит алгоритмы? Обучение с учителем ↗
10
10
12м 37с
0
Закрытый
11.3 Бинарная логистическая регрессия ↗
11
9
26м 30с
0
Закрытый
11.4 Как понять хороша ли модель: Precision, Recall, ROC-AUC ↗
9
9
30м 2с
0
Закрытый
11.5 Мультиномиальная логистическая регрессия ↗
9
8
18м 55с
0
Закрытый
11.6 Порядковая логистическая регрессия ↗
8
8
30м 8с
0
Закрытый
11.7 Ближайшие соседи k-NN ↗
10
7
14м 49с
0
Закрытый
11.8 Деревья решений ↗
8
6
22м 3с
0
Закрытый
11.9 Ансамбли: RandomForest (случайный лес) как бэггинг подход ↗
7
6
15м 32с
0
Закрытый
11.10 Ансамбли: бустинги - каждая модель исправляет предыдущую ↗
7
6
8м 51с
0
Закрытый
11.11 А если никто не учит? Обучение без учителя. ↗
6
6
7м 10с
0
Закрытый
11.12 Кластерный анализ методом К-средних ↗
7
5
19м 27с
0
Закрытый
11.13 Кластеризация на основе плотности DBSCAN ↗
6
5
26м 3с
0
Закрытый
11.14 Визуализация кластеров на плоскости t-SNE ↗
7
5
22м 53с
0
Закрытый
11.15 Нейросети как сложные классификаторы ↗
6
6
4м 38с
0
Закрытый
11.16 Многослойный перцептрон MLP: с учителем ↗
8
6
30м 2с
0
Закрытый
11.17 Болцмановские машины (RBM): без учителя ↗
8
6
12м 57с
0
Закрытый
11.18 Итоги раздела ↗
8
7
4м 4с
0

12. Мидквэл:анализ и прогнозирование временных рядов statsmodels.tsa

9 уроков
Закрытый
12.1 Что такое временной ряд и работа с ним ↗
8
8
10м 34с
0
Закрытый
12.2 Главная ловушка при анализе временных рядов ↗
7
7
8м 59с
0
Закрытый
12.3 Основные задачи анализа временных рядов ↗
8
8
12м 33с
0
Закрытый
12.4 Компоненты временного ряда: тренд, сезонность, цикл, всплеск ↗
8
6
11м 0с
0
Закрытый
12.5 С чего начинается: смотрим "на глазок" ↗
7
4
8м 20с
0
Закрытый
12.6 Подавление "шумов":HPF(Hodrick-Prescott Filter) отделение тренда ↗
9
4
9м 14с
0
Закрытый
12.7 Анализ сезонности (на ряду с другими компонентами) ↗
8
4
13м 57с
0
Закрытый
12.8 (s)ARIMA(x): обучение на временном ряде и его прогнозирование ↗
10
4
51м 52с
0
Закрытый
12.9 Итоги временных прогнозов ↗
8
8
3м 2с
0

13. Небольшой факультатив:обзор других отдельных аналитических возм.

5 уроков
Закрытый
13.1 Используем SQL-скрипты в JupiterLabs ↗
11
8
19м 58с
0
Закрытый
13.2 Использование Python в Excel 365 ↗
11
9
14м 44с
0
Закрытый
13.3 Не таблицами едиными: анализ текста, изображений, аудио, видео.. ↗
10
9
11м 51с
0
Закрытый
13.4 Разработка аналитических приложений ↗
12
10
19м 58с
0
Закрытый
13.5 ИИ-помощники при работе с Python ↗
13
13
8м 11с
0

14. Послесловие

3 урока
Закрытый
14.1 Обобщение курса ↗
14
9
8м 2с
0
Закрытый
14.2 Напутствие ↗
13
13
5м 22с
0
Закрытый
14.3 Бонус-лекция ↗
14
14
2м 4с
0