Все курсы
Практический курс Визуализация данных на языке Python
Ближайшая дата курса | 18 декабря 2023 |
|
Стоимость обучения | 66 000 руб. | Регистрация |
Длительность обучения | 32 ак.часов | |
Код курса | VIP |
8-дневный практический курс для Data Scientist’ов, специалистов по машинному обучению и работе с большими данными, Python-разработчиков и руководителей, которые хотят понять подходы к визуализации данных при построении стратегий развития бизнеса с использованием технологий Big Data, решать бизнес-задачи с помощью методов Machine Learning и получить практический навык в данной области.
КАК ПОСТРОЕН ОБРАЗОВАТЕЛЬНЫЙ КУРС
по визуализации данных на языке PYTHON
Продолжительность: 8 дней, 32 академических часа.
Соотношение теории к практике 50/50
Курс «Визуализация данных на языке Python» представляет собой введение в разведочный анализ больших данных с уклоном в графическое представление результатов. В курсе описаны основные подходы к визуализации данных, которые позволяют наглядно подчеркнуть имеющиеся в них закономерности и особенности. Вы познакомитесь с возможностями библиотек визуализации на языке Python (matplotlib, seaborn, plotly, pandas, bokeh) для решения следующих прикладных задач:
- построение графиков функций распределения;
- отображение статистических закономерностей;
- визуализация изменяющихся во времени данных№
- демонстрация взаимосвязи отдельных компонент данных.
Также вы узнаете, как можно использовать полученные визуальные представления данных для их дальнейшей подготовки и обработки. Особое внимание в курсе уделено развитию практических навыков по визуализации данных: из теории даются только самые необходимые сведения.
На практике вы самостоятельно выполните итоговый проект, который будет затрагивать все пройденные в рамках курса темы, объединит все приобретенные вами навыки, войдет в ваше портфолио и послужит отличным сборником рецептов для дальнейшей практической работы.
Предварительная подготовка:
- опыт программирования на языке Python;
- знание основ математического анализа и математической статистики.
Успешно окончив курс “Визуализация данных на языке Python” в нашем лицензированном учебном центре, вы получите сертификат о повышении квалификации установленного образца.
Почасовое расписание:
Часы | Описание | Метка |
---|---|---|
1,2 | Знакомство с аудиторией. Краткий обзор курса. Теоретическая часть. | Теория |
3,4 | Статистические приемы работы с данными | Теория |
Перерыв на кофе | ||
5,6 | Одномерные и многомерные функции распределения | Практика |
7,8 | Зависимости компонент данных | Практика |
Программа курса «Визуализация данных на языке Python»
1. Основные статистические характеристики данных. Графики функций распределения и визуализация зависимости компонент данных
Цель: познакомить участников с основными статистическими характеристиками данных, их визуализацией, анализом и подходами к обработке данных, использующими данные характеристики
Теоретическая часть:
- обзор библиотек языка Python для обработки данных (pandas) и визуализации (matplotlib, seaborn, plotly, pandas, bokeh)
- краткий обзор основных статистических приемов работы с данными:
- первичный анализ данных
- получение описательных статистик
- изменение типа данных
- построение сводных таблиц
- визуализация статистических характеристик данных
- гистограммы
- графики плотностей распределений
- «ящики с усами»
- «виолончели»
- визуализация зависимости компонент данных, отбор значимых компонент и понижение размерности данных
- классические и пузырьковые диаграммы рассеяния
- тепловые карты
- таблица со встроенными диаграммами
Практическая часть: решение практических задач по построению графиков одномерных и многомерных функций распределения, точечных диаграмм, тепловых карт.
2. Сравнительный анализ компонент данных
Цель: познакомить участников с подходами к анализу компонент данных относительно временных изменений и сравнению компонент данных с использованием группировки и агрегирования
Теоретическая часть:
- сравнительные графики вдоль временной оси
- линейные диаграммы
- вертикальные столбиковые диаграммы
- круговые диаграммы площади
- сравнительные графики с использованием группировки и агрегирования
- группировка и агрегирование данных в библиотеке pandas
- вертикальные столбиковые диаграммы переменной ширины
- таблица со встроенными диаграммами
Практическая часть: решение задач анализа изменяющихся во времени данных, а также подходам к анализу данных с использованием группировки и агрегирования.
3. Композиционные методы визуализации данных
Цель: познакомить участников с основными подходами к композиционным представлениям данных при работе со статичными и изменяющимися во времени данными
Теоретическая часть:
- композиционные графики изменяющихся во времени компонент данных
- столбиковые диаграммы со стыковкой компонент данных
- площадные диаграммы со стыковкой компонент данных
- композиционные графики статичных данных
- круговая диаграмма
- древовидная карта
- столбиковые диаграммы со стыковкой компонент данных
Практическая часть: анализ данных с использованием композиционных представлений компонент данных.
4. Проектная работа
Цель: закрепить полученные слушателями курса знаний по визуализации данных
Теоретическая часть: краткий обзор пройденного материала с отсылками на рабочие блокноты, в которых решалась та или иная задача визуализации данных
Практическая часть: самостоятельное решение задачи анализа данных с использованием всех изученных подходов визуализации данных на собственной базе данных или же на лабораторном наборе, предоставляемом организаторами курса. Итоговый разбор работ слушателей курса.
Программа курса "VIP: Визуализация данных на языке Python"
Укажите e-mail, на который будет оправлена ссылка для скачивания файла: