Версия для слабовидящих

Размер текста:

Цветовая схема:

Изображения:

Анализ данных на языке PYTHON

Анализ данных на языке PYTHON

Институт цифровых компетенций

Повышения квалификации
Форма обучения
очно-заочная с применением ДОТ
Количество часов
72
Стоимость
30 000 р.

Цель программы - приобретение систем знаний и компетенций, необходимых для осуществления анализа и оценки финансово-экономических показателей, проверки статистических гипотез, визуализации в Python и грамотной интерпретации полученных результатов.

Востребованность программы -  решения в сфере Big Data и Business Analytic приносят сотни миллиардов каждый год, и доходы постоянно растут. Причина проста - анализ данных помогает бизнесу предсказывать запросы потребителей, персонализировать их политики, предотвращать возможные неудачи и принимать более удачные решения. Изучение языка Python - одно из самых перспективных вложений в себя.

Навыки и компетенции

  • Обработка, визуализация и анализ данных
  • Проведение статистических тестов
  • Проведение разведочного анализа
  • Построение таблиц и графиков различных форматов в зависимости от задачи
  • Разработка показателей эффективности продвижения и стратегии продвижения с заказчиком

По окончании обучения вы получите:


- Удостоверение Финансового университета при Правительстве РФ

Структура программы

Модуль 1. «Статистические методы обработки данных в Python»

Тема 1.1. Основы языка Python. Краткое описание библиотек языка: Matplotlib, Numpy, Scipy, Pandas, Sklearn, Sympy.
Тема 1.2. Вероятность. Метод Монте-Карло. Законы распреде­ления случайных величин. Мето­ды моделирования распреде­лений.
Тема 1.3. Числовые характерис­тики случайных величин. Точеч­ные и интервальные оценки. Методы их получения в Python. Метод бутстрэп. Визуализация данных.
Тема 1.4. Проверка статистичес­ких гипотез. Гипотезы о число­вых характеристиках. Критерии корреляционного анализа. Критерии сдвига. Критерии симметричности.

Модуль 2. «Применение методов обработки данных к практическим данным»

Тема 2.1. Критерии согласия. Критерии нормальности. Графи­ческие методы проверки гипотез. Методы подгонки распреде­лений.
Тема 2.2. Критерии однород­ности. Критерии независимости. Критерии дисперсионного анализа
Тема 2.3. Линейная регрессия
Тема 2.4. Кластерный анализ
Тема 2.5. Графы и их реализация в Python. Библиотека Networkx.

Документы

Преподавательский состав

Долгов Виталий Игоревич

Долгов Виталий Игоревич

кандидат физико-математических наук доцент, департамент анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации

Выбрать дату

Выбрать дату

Выбрать год