 | | Мастер-класс по анализу данных | | EDA, или Exploratory Data Analysis, разведывательный анализ данных — это первый и самый важный шаг в любой задаче в области науки о данных, он помогает аналитику понять изменения в данных. Знание EDA критически важно для будущего аналитика.
На мастер-классе 24 февраля вы изучите теорию по основам EDA и закрепите знания на практике. | | | | | |
|  | | Будете обрабатывать и готовить данные для анализа, строить графики, искать тренды и зависимости | | | | | Попрактикуетесь в использовании Python и библиотек Pandas, Matplotlib и Seaborn | | | | | Получите тетрадь Jupyter Notebook (интерактивный файл с Python кодом), в котором будет содержаться анализ и нужные графики. | | |
|  | | ангелина гербольт | | Преподаватель курсов по программированию, аналитике и науке о данных, Data Scientist под NDA. | | |
| | | Необходимые теоретические знания для выполнения проекта (основы статистики: нормальное распределение, корреляция и т.д.) | | | | | Участие в живом занятии с возможностью задать интересующие вопросы ментору, а также практика по выполнению проекта | | | | | Проверку готовой работы, обратную связь от ментора с советами по улучшению работы | | | | Бонусную лекцию от основательницы школы Mathshub — Айры Монгуш: «Генеративные AI: что это такое, возможности и перспективы. Обзор ChatGPT». | | |
| | Какие знания необходимы для участия? | | | |
| | Основы Python (работа с числами, строками, лямбда-функции), библиотека Pandas (сортировка, группировка, фильтрация), основы библиотеки визуализации Matplotlib/Seaborn, основы статистики: среднее, стандартное отклонение, нормальное распределение и корреляция (в течение занятия эти термины будут объяснены, но собственные знания будут плюсом). | | | |
| | → Регистрируйтесь по ссылке, чтобы стать участником интересной практики и сделать новый шаг в карьере аналитика данных. | | | | | |
| |
