Программирование на языке Python. Уровень 4. Data Science. Обработка, анализ и визуализация данных на языке Python. Библиотеки pandas, numpy, matplotlib и seaborn в Академия Информационных Систем

Python – один из самых популярных и востребованных языков программирования на сегодняшний день. Будучи высокоуровневым языком, он идеально подходит для разработки самостоятельных программ и сценариев и ориентирован на повышение производительности разработчика и читаемости кода. Синтаксис Python очень лаконичен, но в то же время его библиотеки включают большой объем полезных функций. Именно поэтому он отлично подходит для тех, кто только начинает свой профессиональный путь в программировании.
Что необходимо для того, чтобы освоить Python новичку? Компьютер и базовые знания английского.
Сегодня Python применяется в актуальной сфере анализа больших данных. Освоение этого языка программирования может стать первой ступенью на пути к освоению одной из самых востребованных профессий 21 века

Код: PH007

Включено в курс

Материалы

Электронные документы

Обед

Кофе брейк

Документы об обучении

Удостоверение о повышении квалификации

Форма обучения: Очно/Дистанционно

Ближайшие даты

24 - 28 Февраля 2025 г.

02 - 06 Июня 2025 г.

13 - 17 Октября 2025 г.

Продолжительность: 5 дней 40 ак.часов

Стоимость 45 000 руб.

Целевая аудитория

Все желающие
• Программисты
• Специалисты IT-отрасли
• Системные администраторы
• Аналитики
• Студенты и научные сотрудники

Программа

1. Установка и настройка программного обеспечения.
- Базовый инструментарий работы в Jupyter notebook (4 ак.ч.)
- Принципы организации и управления вычислениями
- Используемые языки программирования и взаимосвязь между ними
- Обзор библиотек и инструментов
- Необходимые пакеты Python: numpy, pandas, matplotlib, seaborn, Jupyter и другие
- Дистрибутив Anaconda, его преимущества и недостатки
- Установка пакетов в Linux
- Установка пакетов в Windows. Возможные проблемы и методы их решения
- Методы и функции
- Основные команды и методы работы в Jupyter notebook
2. Библиотека numpy. Вычислительные задачи.
- Структура библиотеки
- Типы данных библиотеки numpy
- Векторы и массивы, специальные типы данных
- Понятие массива и его основные характеристики
- Принципы вычислений
- Универсальные функции
- Важнейшие стандартные функции
- Работа с массивами и матрицами (6 ак.ч.)
3. Библиотека pandas и анализ данных (6 ак.ч.)
- Объект Series
- Объект DataFrame
- Загрузка данных
- Выгрузка данных
- Чтение и запись данных в формате Excel
- Чтение и запись JSON-файлов
- Загрузка данных из интернета и из базы данных SQL
- Загрузка CSV-файлов из Интернета
- Основы работы с датафреймами
- Организация колонок и строчек
- Создание срезов объекта Series
- Выравнивание данных по меткам индекса
- Выполнение логического отбора
- Переиндексация объекта Series
4. Первичная обработка данных.
- Сбор данных
- Очистка данных
- Подготовка данных
- Объединение данных
- Сцепление и наложение
- Слияние данных
- Замена значений
- Работа с пропущенными значениями и их заполнение
- Повторы в данных
- Объединение и переформирование данных (8 ак.ч.)
5. Статистика и анализ
- Фильтрация
- Группировка
- Агрегация
- Описательные статистики
- Получение итоговых описательных статистик (8 ак.ч.)
- Измерение центральной тенденции: среднее, медиана и мода
- Вычисление дисперсии и стандартного отклонения
- Вычисление ковариации и корреляции
- Распределения
- Разведывательный анализ
- Постановка гипотезы
6. Библиотека matplotlib. Визуализация данных. (4 ак.ч.)
- Основные элементы диаграммы
- Создание диаграммы
- Виды графиков и диаграмм
- Оформление и кастомизация графиков
- Форматы изображений
7. Библиотека seaborn. Наглядная визуализация сложных данных. (4 ак.ч.)
- Виды графиков, их корректное использование и интерпретация
- Принципы хорошей визуализации, основные ошибки при визуализации данных
- График функции
- Гистограмма
- Визуализации отфильтрованных и сгруппированных данных

Преподаватели

Рулев Сергей Викторович

Преподаватель-практик, знаток тонкостей языка Python, особенностей его применения для решения задач в области финансов, менеджмента, машинного обучения, имеющий многолетний опыт работы финансовым директором в крупнейших российских компаниях.

Обладатель статусов MCT (MICROSOFT CERTIFIED TRAINER), MCP (MICROSOFT CERTIFIED PROFESSIONAL), знаток Excel, Access, PowerPoint, MS Project, методологии управления проектами на основе PMBoK и тонкостей программирования VBA. Сергей Викторович щедро делится со слушателями своими профессиональными секретами и приводит живые, запоминающиеся примеры. Особый упор делает на практическое использование Python и других языков программирования для решения реальных задач. Пройдя обучение в нашей компании, наши слушатели вновь и вновь записываются к Сергею Викторовичу — лучшее подтверждение профессионального и педагогического мастерства! Сергей Викторович имеет два высших образования. После окончания МФТИ он использовал свои знания в области программирования для компьютерного моделирования резонаторов лазеров. Потом он получил степень MBA (Master of Business Administration, Магистр Делового Администрирования) в Американском Институте Бизнеса и Экономики и применял знания в области финансов работая аудитором компании «Deloitte Touche Tohmatsu», входящей в «большую четвёрку» аудиторских компаний мира. Работал финансовым директором в организациях Вимм-Билль-Данн, Акелла, РусДел, МераМед

Программирование на языке Python. Уровень 4. Data Science. Обработка, анализ и визуализация данных на языке Python. Библиотеки pandas, numpy, matplotlib и seaborn

Включено в курс

Документы об обучении

Целевая аудитория

Программа

1. Установка и настройка программного обеспечения.

Базовый инструментарий работы в Jupyter notebook (4 ак.ч.)

Принципы организации и управления вычислениями

Используемые языки программирования и взаимосвязь между ними

Обзор библиотек и инструментов

Необходимые пакеты Python: numpy, pandas, matplotlib, seaborn, Jupyter и другие

Дистрибутив Anaconda, его преимущества и недостатки

Установка пакетов в Linux

Установка пакетов в Windows. Возможные проблемы и методы их решения

Методы и функции

Основные команды и методы работы в Jupyter notebook

2. Библиотека numpy. Вычислительные задачи.

Структура библиотеки

Типы данных библиотеки numpy

Векторы и массивы, специальные типы данных

Понятие массива и его основные характеристики

Принципы вычислений

Универсальные функции

Важнейшие стандартные функции

Работа с массивами и матрицами (6 ак.ч.)

3. Библиотека pandas и анализ данных (6 ак.ч.)

Объект Series

Объект DataFrame

Загрузка данных

Выгрузка данных

Чтение и запись данных в формате Excel

Чтение и запись JSON-файлов

Загрузка данных из интернета и из базы данных SQL

Загрузка CSV-файлов из Интернета

Основы работы с датафреймами

Организация колонок и строчек

Создание срезов объекта Series

Выравнивание данных по меткам индекса

Выполнение логического отбора

Переиндексация объекта Series

4. Первичная обработка данных.

Сбор данных

Очистка данных

Подготовка данных

Объединение данных

Сцепление и наложение

Слияние данных

Замена значений

Работа с пропущенными значениями и их заполнение

Повторы в данных

Объединение и переформирование данных (8 ак.ч.)

5. Статистика и анализ

Фильтрация

Группировка

Агрегация

Описательные статистики

Получение итоговых описательных статистик (8 ак.ч.)

Измерение центральной тенденции: среднее, медиана и мода

Вычисление дисперсии и стандартного отклонения

Вычисление ковариации и корреляции

Распределения

Разведывательный анализ

Постановка гипотезы

6. Библиотека matplotlib. Визуализация данных. (4 ак.ч.)

Основные элементы диаграммы

Создание диаграммы

Виды графиков и диаграмм

Оформление и кастомизация графиков

Форматы изображений

7. Библиотека seaborn. Наглядная визуализация сложных данных. (4 ак.ч.)

Виды графиков, их корректное использование и интерпретация

Принципы хорошей визуализации, основные ошибки при визуализации данных

График функции

Гистограмма

Визуализации отфильтрованных и сгруппированных данных

Преподаватели

Рекомендуемые курсы