Содержание курса
1. Введение
2 урока
69
40
30м
6
Закрытый
1.1
Что такое анализ данных
↗
38
22
7м 31с
3
Закрытый
1.2
Основы Python для аналитики (переменные, списки, циклы, функции)
↗
31
18
24м 50с
3
2. Работа с данными в Pandas
5 уроков
95
63
79м
11
Закрытый
2.1
Загрузка и просмотр данных (read_csv, .head(), .info())
↗
26
15
13м 54с
2
Закрытый
2.2
Индексация, выборка, фильтрация
↗
20
13
13м 19с
2
Закрытый
2.3
Работа с пропущенными значениями
↗
17
12
14м 7с
3
Закрытый
2.4
Группировка и агрегация
↗
16
12
26м 24с
2
Закрытый
2.5
Сохранение результатов
↗
16
11
13м 45с
2
3. Визуализация данных
4 урока
51
28
121м
4
Закрытый
3.1
Введение в Matplotlib
↗
16
9
82м 4с
1
Закрытый
3.2
Seaborn: быстрые и стильные визуализации
↗
12
4
21м 31с
1
Закрытый
3.3
Настройка графиков: подписи, цвета, размеры
↗
11
7
13м 47с
1
Закрытый
3.4
Совмещение графиков, подграфики (subplots)
↗
12
8
6м 54с
1
4. Корреляции и связи
3 урока
35
27
23м
3
Закрытый
4.1
Понятие корреляции и ковариации
↗
14
9
7м 39с
1
Закрытый
4.2
Метод .corr() и тепловая карта
↗
11
9
13м 15с
1
Закрытый
4.3
Ошибки и ложные корреляции
↗
10
9
3м 46с
1
5. Линейная регрессия
2 урока
24
14
10м
2
Закрытый
5.1
Линейная регрессия — понятие и основные идеи
↗
13
8
2м 39с
1
Закрытый
5.2
Построение линейной регрессии
↗
11
6
8м 10с
1
6. Проект в портфолио
2 урока
22
10
0м
1
Закрытый
6.1
Финальный проект
↗
13
6
0м 12с
1
Закрытый
6.2
Обратная связь
↗
9
4
-
0