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:

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.