Продвижение в области аналитики данных от Excel к Python

Это шестичасовое занятие рассмотрит основы аналитики данных с использованием Excel, а затем перенесет и углубит эти знания для выполнения Предварительное требование: Учащимся следует иметь представление о базовом программировании и Excel. У вас будет возможность научиться проводить исследовательский анализ данных, визуализацию данных и тестирование гипотез, а также использовать Python для доступа и манипуляции файлами Excel. В конце курса вы сможете выполнять полный анализ данных с использованием Python. Цели обучения: В ходе этого курса у вас будет возможность узнать, как: * Понять основы аналитики в Excel * Исследовать переменные в Excel * Понять исследовательский анализ данных * Понять основы инференциальной статистики и тестирования гипотез * Использовать язык программирования Python для анализа данных * Доступ к файлам Excel с помощью Python * Выполнять визуализацию и исследование данных в Python * Проводить более эффективный и глубокий анализ данных с использованием Python * Исследовать корреляцию и линейную регрессию в Excel и Python * Использовать Python для манипуляции файлами Excel и для выполнения машинного обучения Структура темы: 1. Обзор аналитики данных 2. Обзор Excel 3. Основы аналитики в Excel * Переменные в Excel * Исследовательский анализ данных в Excel * Визуализация данных в Excel 4. Введение в язык программирования Python 5. Установка Anaconda 6. Этап 1: Как использовать Jupyter Notebooks 7. Основы Python * Введение в Pandas * Использование Pandas для доступа к файлам Excel * Анализ данных с помощью Pandas 8. Этап 2: Провести исследовательский анализ данных с использованием Pandas 9. Использование Python для обработки данных * Использование Python для манипуляции файлами Excel * Визуализация данных в Python: Matplotlib, Pandas, Seaborn 10. Этап 3: Провести визуализацию данных с использованием Python 11. Инференциальная статистика и тестирование гипотез в Python * Корреляция и линейная регрессия с помощью Excel и Python * Использование Python для выполнения машинного обучения 12. Этап 4: Провести полный анализ данных Python 13. Заключение: Аналитика данных в реальном мире и следующие шаги.