Python [Stepik] Основы Python для исследований и анализа данных (2023)

[Trinity]

[Stepik] Основы Python для исследований и анализа данных (2023)

Описание:

Чему вы научитесь​

• начать применять навыки программирования;
• проводить первичный анализ: то есть загружать данные, готовить первые выводы;
• получать базовые статистики по интересующим показателям;
• готовить небольшой отчет по проведенному анализу при помощи визуализации.

О курсе​

Прикладной анализ данных используется людьми разных профессий: экономистами, социологами, политологами, юристами, медиками, журналистами.
Мы хотим сосредоточить внимание на тех людях, которые могут использовать элементы программирования и аналитики в своей профессии.
При этом конечно не преследуется цель превратить всех в разработчиков или действовать под лозунгом “войти в IT”. Скорее, сосредоточиться на освоении инструментов, помогающих в основной работе.
Мы подготовили для вас вводный курс в анализ данных, который сочетает в себе развитие навыков программирования и анализа данных, а также представление о том, какие данные бывают и как с ними можно работать.

Для кого этот курс​

Этот курс предназначен для тех, кто никогда раньше не занимался работой с данными, не открывал Python (или любой другой язык программирования), но при этом хочет начать разбираться в том, как устроены данные и их первичный анализ. В ходе прохождения курса вам не потребуются дополнительные знания в области математики, статистики или программирования.

Начальные требования​

Для обучения на курсе не требуется каких-либо специальных знаний в программировании, статистике или математике, мы всё объясним

Наши преподаватели​

Иван Бибилов
Директор Прикладного центра машинного обучения, анализа данных и статистики (ПЦ МАСТ); Со-руководитель программы прикладного анализа данных (ПАНДАН), Европейский университет в Санкт-Петербурге. Курировал академические программы Яндекса в Екатеринбурге.
Преподаватель связанных с программированием дисциплин в различных университетах. Занимался проектами, использующими Python и Django, руководил группой разработки справочных сервисов в Яндексе. Придумываю интересные проекты и дарю их командам разработки, потому что… Ещё

Kirill Kasantсev
Студент PhD программы по политическим наукам в University of Rochester (USA). Магистр экономики (Central European University, Vienna), бакалавр политологии (НИУ ВШЭ, Москва)
Преподаватель общеуниверситетского факультатива по программированию на Python и курса в рамках программы ПАНДАН в Европейском Университете. Работал исследователем в think-tank, занимался сбором и обработкой данных, проведением исследований на основе данных и с фокусом… Ещё

Александра Румянцева
Студентка PhD программы по политологии в University of North Carolina at Chapel Hill (USA), окончила магистратуру по политическим наукам в ЕУСПб и социологи в НИУ ВШЭ (СПб)
Работала аналитиком данных в think-tank, готовила интерактивные приложения по результатам проведённых исследований в области policy--making

Валерия Бабушкина
Аналитик данных Ultima.School, окончила магистратуру факультета социологии СПбГУ, выпускница первого потока совместной программы Европейского университета и Яндекса «Прикладной анализ данных» (ПАНДАН)

Как проходит обучение​

Курс предоставлен в текстовом формате, поэтому вы сможете его изучать в любом месте и на любом устройстве. В программе также будут проверочные задания и задачи на программирование с автоматической проверкой.

Программа курса​

Установочный модуль

1. О чем этот курс
2. Вводное слово от авторов курса
3. Установка Python и первые шаги

Что такое данные?

1. Введение
2. Данные: какие они бывают?
3. Числовые данные
4. Текстовые данные
5. Дополнительные задачи
6. От ячейки к набору данных: списки
7. От списка к таблице: вложенные списки
8. Способы хранения данных
9. Дополнительные задачи

Основы Python

1. Введение
2. Логические операции
3. Циклы
4. Больше про циклы
5. Функции
6. Структуры данных: кортежи, множества и словари
7. Модули и библиотеки
8. Дополнительные задачи
9. Дополнительные задачи

Pandas - работа с таблицами в Python

1. Введение
2. Знакомство с Series
3. Знакомство с DataFrame
4. Индексация таблиц
5. Базовые операции с переменными
6. Важные методы
7. Объединение таблиц
8. Дополнительные задачи

Знакомство со статистикой

1. Введение
2. Переменные и их распределение
3. Меры центральной тенденции
4. Меры изменчивости
5. Квантили распределения
6. Корреляция

Визуализация

1. Введение
2. Визуализация в python: matplotlib и seaborn
3. Состав данных
4. Сравнение
5. Взаимосвязи
6. Динамика
7. Частые ошибки

Подробнее:

Для просмотра ссылок необходимо выполнить Вход или Регистрация

Скачать:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.