8 812 320 13 03
  • Новости
  • Расписание
  • Курсы
  • Организациям
  • Контакты
  • Перезвоните мне

    Курс Python для анализа данных

    Курс Аналитик данных. Интенсив

    Курс Аналитик данных. Интенсив
    Начало курса
    04.07.2023
    Продолжительность
    1,25 месяца (40 ак. часов)
    Расписание
    Вт 19:00 - 22:00
    Пт 19:00 - 22:00

    Онлайн
    (15 мест)
    21990 записаться

    Описание курса

    Курс "Аналитик данных. Интенсив" рассчитан на участников, владеющих навыками программирования на Python и подходит для всех, кому в профессиональной деятельности в той или иной мере необходимы навыки работы с данными. 
    Данный курс аналитик данных на python не подходит для обучения с нуля, без знания основ программирования.

    В последние годы язык программирования Python становится более востребованным и популярным по нескольким причинам:

    • множество уже готовых удобных библиотек и фреймворков делает этот язык №1 в сфере обработки данных для научных вычислений
    • Python для анализа данных используется многими большими компаниями такими, как , Yandex, Google, Facebook, Uber и другими
    • простота синтаксиса и освоения позволяют новичкам быстро научиться программировать и решать достаточно сложные задачи

    Требования к участникам курса:

    • Начальные знания Python (см. курс Python. Уровень 1)
    • Умение пользоваться системами контроля версий (Github | Gitlab | Bitbucket и т.п.)
    • Знание английского для понимания базовых слов (A2-B1). Или желание быстро расширить словарный запас (по желанию предоставляется “словарик” начинающего разработчика).

    Программа

    развернуть

    Занятие 1. Анализ табличных данных стандартными средствами Python

    • Стандартные типы коллекций (списки, словари и т.д.) и приемы эффективной работы с ними
    • Чтение и запись  csv и tsv файлов
    • Обработка Excel файлов с помощью OpenPyXL.
    • Практика: анализ источника данных "Климат городов России"
    • ДЗ: решение задач биоинформатики (4 шт).
    развернуть

    Занятие 2. Использование SQL для анализа и манипулирования данными

    • Определение СУБД. Немного теории (нормальные формы)
    • Операторы SQL.
    • Python Database API Specification - для работы с любой СУБД
    • Примеры работы со встраиваемой СУБД SQLite
    • Практика: создание реляционных таблиц из источника данных "Климат городов России" и выполнение аналитических запросов
    развернуть

    Занятие 3. NumPy как средство обработки данных

    • Ndarray - объект многомерного массива
    • Математические и статистические операции
    • Файловый ввод/вывод массивов
    • Немного линейной алгебры
    • Генерация случайных чисел.
    • Практика: анализ двумерного массива
    развернуть

    Занятие 4. Сбор и подготовка данных. Работа с XML, HTML и JSON. Автоматизация сбора данных

    • Библиотека beautifulsoup для разбора HTML файлов
    • Форматы структурированных данных JSON и XML. Примеры практической работы. 
    • Использование Splinter для автоматизации сбора данных   
    • Практика: получение данных от веб-сервисов прогноза погоды и расчет обобщенных показателей
    развернуть

    Занятие 5. Визуализация данных в Python: matplotlib, plotly, bokeh

    • API библиотеки matplotlib
    • Линейные и столбчатые диаграммы
    • Гистограммы и графики плотности
    • Визуализация данных на карте
    • Построение интерактивных диаграмм с помощью plotly и bokeh
    развернуть

    Занятие 6. Библиотека pandas. Базовая функциональность

    • Арифметические операции и выравнивание данных
    • Редукция и вычисление описательных характеристик
    • Обработка отсутствующих данных
    • Практика: работа с набором данных рейтинга фильмов
    развернуть

    Занятие 7. Переформатирование данных с помощью pandas

    • Комбинирование и слияние наборов данных
    • Изменение формы и поворот
    • Устранение дубликатов и прочие преобразования данных
    • Практика: работа с набором данных рейтинга фильмов
    развернуть

    Занятие 8. Аггрегирование данных и групповые операции

    • Группировка с помощью функций
    • Группировка по уровням индекса
    • Аггрегирование данных
    • Групповые операци и ипреобразования
    • Сводные таблицы
    развернуть

    Занятие 9. Введение в машинное обучение. Модели, задачи классификации и библиотека SciKit

    • Обзор задач машинного обучения и библиотек для их решения
    • Построение классификаторов
    • Методы кластеризации
    • Практика: пример кластеризации сообщений
    развернуть

    Занятие 10. Дополнительные возможности и библиотеки

    • Дополнительные возможности NumPy и Pandas
    • Обзор интересных сторонних библиотек
    • Решение практических задач
    • Выборочное повторение пройденного материала
    Сертификат после обучения
    По окончании обучения вы получите сертификат. Нас знают и ценят работодатели, поэтому сертификат станет вашим дополнительным преимуществом при трудоустройстве в IT-компанию. 


    Сертификат о прохождении курса мы отправим вам на почту. Вы легко сможете добавить ссылку на сертификат в резюме и подтвердить свой уровень подготовки.

    Преподаватели

    Руслан

    Аналитик-разработчик в компании BIA Technologies.

    Закончил МФТИ, работал по научным направлениям в области моделирования сложных физических процессов. 

    Работал в нескольких крупных IT-компаниях Москвы и Санкт-Петербурга, занимался различными по размеру и сложности задачами, от генерирования картин, распределения физических величин и чат-ботов до интегрированного комплекса ГИС для картографии и разработки IaaS (Infrastructure as a Service) AWS-подобной системы предоставления облачных услуг.

    В настоящее время работает аналитиком-разработчиком в области систем автоматического решения задач управления перевозками. Python изучал для автоматизации рутинных действий, однако впоследствии язык показал себя как крайне гибкий и мощный инструмент. Его можно применять в системах произвольной сложности, и он позволяет максимально быстро получить работающее решение.

    "Программирование - это не школьный набор знаний и навыков, это творчество, это структурирование мышления, это удовольствие от результата. И самое главное, это не требует ни специфического оборудования, ни особых талантов. Программирование в современном мире похоже на вторую грамотность, и каждый заинтересованный способен ей обучиться." - говорит Руслан.

    Фото с очных занятий в СПб

    Курсы программирования, тестирования, мобильных и веб-технологий от Level UP!
    Учитесь с профессионалами в сфере IT-образования!