Python для анализа данных

Name: Python для анализа данных
Brand: Учебный центр IBS
SKU: 147577
Price: 41550 RUB

Инженерный подход к аналитике данных на Python. Курс о том, как делать расчёты, которым доверяет бизнес и ИТ-отдел. Вместо разрозненных ноутбуков — воспроизводимые пайплайны: векторизация NumPy, оптимизация памяти в Pandas, продуктовые метрики (когорты, Retention, LTV), A/B тестирование через scipy.stats, работа с большими файлами (Parquet, chunking), интеграция с SQL. Сквозной проект: от обработки сырых данных до расчёта метрик, проверки гипотез и переноса логики в .py-модули с Git и линтерами. Для аналитиков и Data Scientist'ов с опытом от 6 месяцев.

Обучение 40 часов

сертификат

17%

Стоимость курса

41 550 ₽ 49 900 ₽

Рассрочка ₽/мес

Перейти на сайт

Программа курса
Чему вы научитесь
Мой рейтинг
Подробная информация о курсе
Отзывы

Программа курса

Ознакомьтесь с программой курса «Python для анализа данных» от Учебный центр IBS - ibs-training.ru

Инженерная культура аналитика. Ограничения Jupyter Notebook при автоматизации. Структура проекта и Git для совместной работы. Изоляция среды: venv, requirements.txt. Линтеры: ruff. Логирование (logging) и обработка исключений в аналитических скриптах.
Ускорение расчетов: NumPy и линейная алгебра. Как математическая база (векторы, матрицы) ложится на Python. Оценка O-сложности: почему циклы for убивают производительность аналитики. Векторизация вычислений и Broadcasting: как считать миллионы строк мгновенно…
Промышленный Pandas: оптимизация памяти и логики. Анатомия DataFrame и оптимизация памяти: category, pyarrow. Продвинутые манипуляции: MultiIndex, сложные объединения. GroupBy и оконные функции: когортный анализ, Retention Rate, LTV, скользящие средние.
Статистика и проверка гипотез (A/B тестирование). Базовая статистика для бизнеса: распределения, квантили, доверительные интервалы. Программная детекция выбросов и обработка пропусков. Практика A/B тестирования: реализация Т-теста и U-критерия Манна-Уитни на…
Работа со сложными источниками (Big Data ready). Ограничения .csv и переход на колоночное хранение (.parquet). Пакетная обработка (chunking): как обработать 10 ГБ файл на ноутбуке с 8 ГБ RAM. Извлечение данных из PostgreSQL в DataFrame через SQLAlchemy.
ИИ-инструментарий. Составление промптов для генерации сложных цепочек преобразований в Pandas. Использование LLM (RAG) для интерпретации результатов статистического анализа. Автоматизированная генерация документации к таблицам и витринам (Data Dictionary).
Сквозной проект. Рефакторинг: декомпозиция линейного ноутбука на .py-модули Построение модульного пайплайна: Сбор данных → Очистка → Метрики → Экспорт в Parquet Защита проекта: Code Review экспертом (аудит сложности, времени выполнения, памяти).
Итого на курс 40 ак. ч.: теория — 12 ак. ч. (30%), практика — 28 ак. ч. (70%).

Ознакомиться со всей программой

Чему вы научитесь

Научитесь анализировать и применять: промышленный pandas оптимизация памяти и логики. анатомия dataframe и оптимизация памяти category, pyarrow. продвинутые манипуляции multiindex, сложные объединения. groupby и оконн…
Научитесь анализировать и применять: сквозной проект. рефакторинг декомпозиция линейного ноутбука на .py модули построение модульного пайплайна сбор данных → очистка → метрики → экспорт в parquet защита проекта code r…
Освоите и сможете применять: статистика и проверка гипотез (a/b тестирование). базовая статистика для бизнеса распределения, квантили, доверительные интервалы. программная детекция выбросов и обработка пропусков. прак…
Освоите основы: итого на курс 40 ак. ч. теория 12 ак. ч. (30%), практика 28 ак. ч. (70%).