Курс на Stepik
Обложка курса «Анализ данных на Python: понимание основ» на Stepik
1 490 ₽

Анализ данных на Python: понимание основ 5.000

Открыть на
STEPIK.ORG

Осмысленный старт с NumPy, Pandas, Matplotlib и линейной регрессией 🚀

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Анализ данных на Python: понимание основ»Учеников на курсе 13
Сертификаты, выданные на курсе «Анализ данных на Python: понимание основ»Сертификатов выдано 4
Отзывы о курсе «Анализ данных на Python: понимание основ»Отзывов получено 1
Рейтинг курса «Анализ данных на Python: понимание основ»Рейтинг курса 5.000
Уроки в курсе «Анализ данных на Python: понимание основ»Количество уроков 27
Тесты в курсе «Анализ данных на Python: понимание основ»Количество квизов 60
Время прохождения курса «Анализ данных на Python: понимание основ»Время прохождения курса
Стоимость курса «Анализ данных на Python: понимание основ»Стоимость курса 1 490 ₽
Обновления курса «Анализ данных на Python: понимание основ»Обновления курса
Дата публикации курса «Анализ данных на Python: понимание основ»Дата публикации курса
Последнее обновление курса «Анализ данных на Python: понимание основ»Последнее обновление
Сложность easy

Содержание курса

Разделы в курсе «Анализ данных на Python: понимание основ» 7 разделов Уроки в курсе «Анализ данных на Python: понимание основ» 27 уроков Тесты в курсе «Анализ данных на Python: понимание основ» 60 тестов Время прохождения курса «Анализ данных на Python: понимание основ» 1 ч. Последнее обновление курса «Анализ данных на Python: понимание основ» обн. 6 августа 2026

Введение

4 урока
1. Пару слов о курсе
2. Установка Visual Studio Code
3. Установка Python
4. Установка Jupyter-notebook

Основы статистики

4 урока
1. Что такое статистика?
2. Типы признаков
3. Выборка и генеральная совокупность
4. Практика

Распределение

3 урока
1. Частотные распределения и диаграммы
2. Визуализация частотного распределения
3. Практика

Основные статистические показатели

4 урока
1. Меры центральной тенденции
2. Меры вариативности
3. Z-оценка и нормальное распределение
4. Практика

Обработка данных

4 урока
1. Обработка пропусков
2. Выбросы
3. Корреляция
4. Практика

Линейная регрессия

6 уроков
1. Линейная регрессия
2. Методы оценки качества модели
3. Множественная линейная регрессия
4. Создание новых признаков
5. Отбор признаков
6. Практика

Проект

1 урок
1. Предсказание цен на недвижимость