Визуализация данных на языке Python

Целевая аудитория

Специалисты по работе с большими данными, разработчики, руководители, желающие понять подходы к визуализации данных как при построении стратегий развития бизнеса с использованием больших данных, так и решения бизнес задач на основе алгоритмов машинного обучения, а также получить практический навык в данной области.

Предварительная подготовка

• опыт программирования на языке Python
• знание основ математического анализа и математической статистики

Программа курса «Визуализация данных на языке Python»

1. Основные статистические характеристики данных. Графики функций распределения и визуализация зависимости компонент данных

Цель: познакомить участников с основными статистическими характеристиками данных, их визуализацией, анализом и подходами к обработке данных, использующими данные характеристики

Теоретическая часть:

• обзор библиотек языка Python для обработки данных (pandas) и визуализации (matplotlib, seaborn, plotly, pandas, bokeh)
• краткий обзор основных статистических приемов работы с данными:
  • первичный анализ данных
  • получение описательных статистик
  • изменение типа данных
  • построение сводных таблиц
• визуализация статистических характеристик данных
  • гистограммы
  • графики плотностей распределений
  • «ящики с усами»
  • «виолончели»
• визуализация зависимости компонент данных, отбор значимых компонент и понижение размерности данных
  • классические и пузырьковые диаграммы рассеяния
  • тепловые карты
  • таблица со встроенными диаграммами

Практическая часть: решение практических задач по построению графиков одномерных и многомерных функций распределения, точечных диаграмм, тепловых карт.

2. Сравнительный анализ компонент данных

Цель: познакомить участников с подходами к анализу компонент данных относительно временных изменений и сравнению компонент данных с использованием группировки и агрегирования

Теоретическая часть:

• сравнительные графики вдоль временной оси
  • линейные диаграммы
  • вертикальные столбиковые диаграммы
  • круговые диаграммы площади
• сравнительные графики с использованием группировки и агрегирования
  • группировка и агрегирование данных в библиотеке pandas
  • вертикальные столбиковые диаграммы переменной ширины
  • таблица со встроенными диаграммами

Практическая часть: решение задач анализа изменяющихся во времени данных, а также подходам к анализу данных с использованием группировки и агрегирования.

3. Композиционные методы визуализации данных

Цель: познакомить участников с основными подходами к композиционным представлениям данных при работе со статичными и изменяющимися во времени данными

Теоретическая часть:

• композиционные графики изменяющихся во времени компонент данных
  • столбиковые диаграммы со стыковкой компонент данных
  • площадные диаграммы со стыковкой компонент данных
• композиционные графики статичных данных
  • круговая диаграмма
  • древовидная карта
  • столбиковые диаграммы со стыковкой компонент данных

Практическая часть: анализ данных с использованием композиционных представлений компонент данных.

4. Проектная работа

Цель: закрепить полученные слушателями курса знаний по визуализации данных

Теоретическая часть: краткий обзор пройденного материала с отсылками на рабочие блокноты, в которых решалась та или иная задача визуализации данных

Практическая часть: самостоятельное решение задачи анализа данных с использованием всех изученных подходов визуализации данных на собственной базе данных или же на лабораторном наборе, предоставляемом организаторами курса. Итоговый разбор работ слушателей курса.