Анализ данных в Python

Бакалавриат 2026/2027

Статус: Курс обязательный (Цифровой маркетинг)

Кто читает: Департамент организационного развития

Где читается: Факультет менеджмента (Нижний Новгород)

Когда читается: 3-й курс, 1, 2 модуль

Онлайн-часы: 20

Охват аудитории: для своего кампуса

Преподаватели: Привалов Игорь Васильевич

Язык: русский

Кредиты: 3

Контактные часы: 56

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс по анализу данных на Python представляет собой обширное обучение, нацеленное на развитие навыков работы с данными и аналитическими методами с помощью языка программирования Python. Курс включает в себя теоретические аспекты анализа данных, практические занятия и реальные проекты, которые помогут студентам приобрести необходимые навыки для решения задач анализа данных в различных областях.В ходе курса студенты изучают основы работы с данными, такие как обработка и преобразование данных, визуализация данных, статистический анализ и машинное обучение. Они также ознакомятся с различными библиотеками Python, такими как Pandas, NumPy, Matplotlib и Scikit-learn, которые являются основными инструментами для анализа данных на этом языке программирования.

Цель освоения дисциплины

Научить студентов основным навыкам программирования на языке Python. Научить студентов основным методам извлечения и обработки данных, необходимым для дальнейшего обучения и работы по специальности. Познакомить студентов с основными концепциями и методами анализа данных, статистики и машинного обучения.

Планируемые результаты обучения

Знает, чем наука о данных отличается от машинного обучения и статистики
Владеть: навыками применения библиотеки Pandas при решении практических задач.
Знать особенности работы с современными дистрибутивами Python
Понимать принципы визуализация данных и построения эффективных панелей индикаторов
Владеет базовыми навыками работы с данными: агрегированием, фильтрацией, созданием новых переменных, работой со сводными таблицами.
Владеет процедурой обнаружения пропущенных значений. Умеет работать с пропущенными значениями: удаление и стратегии замены.
Знает типы переменных. Знает меры центральной тенденции и разброса. Знает процедуру обнаружения выбросов. Умеет обрабатывать выбросы.
Уметь применять машинное обучение для решения задач анализа данных
Студент понимает роль Data Science в стратегическом развитии бизнеса.

Содержание учебной дисциплины

Интро
Инструменты для работы с данными в Python
Основы синтаксиса Python
Работа с данными
Визуализация
Машинное обучение

Элементы контроля

ТЕСТ
Тест из курса по подготовке к экзамену
Практическое задание
Создание аналитического отчета по датасету и ответ на вопросы Критерии оценивания: Точность кода, оформление, полноту выполненных заданий, адекватность визуализаций и глубину аналитики. Важно, каждый ваш шаг снабжать текстом, чтобы не было голого кода, объясняйте что вы делаете и если вы получили что-то, что нужно анализировать, то дайте мне этот анализ в виде текста.

Промежуточная аттестация

2026/2027 1st module
1 * ТЕСТ
2026/2027 2nd module
1 * Практическое задание

Список литературы

Авторы

Привалов Игорь Васильевич
Белохлебова Наталья Александровна

Программа дисциплины