Python для анализа данных

Документ об окончании:  диплом о профессиональной переподготовке с присвоением квалификации «Специалист по большим данным», удостоверяющей право на ведение деятельности в сфере «Создание и применение технологий больших данных» 

Предварительные требования:

• знание основ анализа данных;
• знание основ программирования

Обучение позволит:

• узнать основные положения методологий разработки программного обеспечения;
• получить представление о структурах данных, типизации языка программирования;
• научиться использовать стандартные алгоритмы для решения аналитических задач;
• освоить основные возможности языка программирования Python для автоматизации задач аналитики данных;
• освоить принципы проектирования, создания и работы с реляционными и нереляционными БД;
• выполнять операции над векторами и матрицами с использованием NumPy;
• обрабатывать табличные данные с помощью Pandas;
• выбирать подмножество из таблицы;
• визуализировать данные;
• осуществлять сбор и подготовку данных с помощью языка Python;
• использовать методы анализа и обработки данных;
• строить модели машинного обучения;
• стать специалистом в области анализа данных на Python;
• получить диплом о профессиональной переподготовке с присвоением квалификации «Специалист по большим данным», удостоверяющей право на ведение деятельности в сфере «Создание и применение технологий больших данных»

Программа обучения:

1. Технологии программирования - 50 ак. часов
Модуль 1. Технологии программирования
Модуль 2. Типизация и структуры данных
Модуль 3. Алгоритмы
Модуль 4. Основные алгоритмические управляющие конструкции
Модуль 5. Основные парадигмы программирования
Модуль 6. Визуальное моделирование при анализе и проектировании. Основы Unified Modeling Language (UML)
Модуль 7. Основные диаграммы UML
Модуль 8. Работа с GitHub

2. Введение в базы данных - 40 ак. часов

Модуль 1. Введение в базы данных. Нормализация баз данных
Модуль 2. Обеспечение целостности данных, реализация ограничений
Модуль 3. Основы SQL-запросов (DDL/DML/DCL), представления
Модуль 4. Знакомство с PostgreSQL
Модуль 5. Основные операторы и синтаксис PL/pgSQL
Модуль 6. Безопасность, ролевая модель и схемы
Модуль 7. Создание баз данных и файлов БД
Модуль 8. Обзор NoSQL СУБД

3. Программирование на Python (базовые возможности) - 40 ак. часов
Модуль 1. Обзор возможностей языка Python при реализации процедурной парадигмы программирования;
Модуль 2. Реализация функций, особенности передачи параметров;
Модуль 3. Модули и пакеты;
Модуль 4. Генераторы. Множества;
Модуль 5. Работа с файловой системой;
Модуль 6. Работа с данными;
Модуль 7. Исключения и обработка ошибок;
Модуль 8. Элементы функционального программирования

4. Основы статистики (теории вероятности) - 20 ак. часов
Модуль 1. Базовые понятия статистики;
Модуль 2. Законы распределения случайных величин;
Модуль 3. Основы математической статистики;
Модуль 4. Основы исследовательского анализа

5. Аналитика - 20 ак. часов
Модуль 1. Основы аналитики данных;
Модуль 2. Основы инференциальной статистики;
Модуль 3. Статистические эксперименты и проверка значимости;
Модуль 4. Практическая реализация алгоритмов аналитики данных

6. Python для анализа данных - 65 ак. часов
Модуль 1.  NumPy – библиотека для математических и научных расчетов;
Модуль 2. Pandas – базовые возможности;
Модуль 3. Чтение и запись данных в pandas;
Модуль 4. Препроцессинг и аккуратные данные в pandas;
Модуль 5. Агрегирование данных и групповые операции в pandas; 
Модуль 6. Временные ряды в pandas;
Модуль 7. Визуализация с помощью matplotlib и seaborn;
Модуль 8. Scikit-learn. Библиотека для ML;
Модуль 9. Обучение с учителем на Skikit-learn;
Модуль 10. Обучение без учителя на Skikit-learn;
Модуль 11. Обзор полезных библиотек для аналитики данных и ML

7. Визуализация данных- 40 ак. часов
Модуль 1. Понятие и виды дашбордов;
Модуль 2. Основы Tableau;
Модуль 3. Использование Tableau Public для анализа данных;
Модуль 4. Применение Python в BI-системах

8. Работа над проектом – 60 ак. часов

Программа курса может корректироваться

Добавить отзыв