Основы обработки данных и визуализации на Python
Объем программы: 72 часа
Программа предлагает практическое освоение базового синтаксиса Python и ключевых библиотек для анализа данных. Слушатели научатся работать с многомерными растровыми и векторными данными, применять методы пространственной статистики и геостатистической интерполяции (кригинг), а также проверять статистические гипотезы. Программа формирует полный цикл навыков для самостоятельных исследований — от загрузки данных через API до визуализации результатов и подготовки аналитических отчетов.
Стоимость программы для слушателя
25 000
р.
Целевая аудитория
-
Научные сотрудники и исследователи (в т.ч. в области наук о Земле, экологии, географии, океанологии), работающие с массивами наблюдений, климатическими данными и результатами моделирования -
Аналитики данных; GIS-специалисты и картографы
Образовательный трек
- Введение в анализ данных. Организация рабочего пространства, базовые структуры данных и синтаксис Python
Практический навык
- Настройка среды, решение базовых задач на типы данных
- Основы табличного анализа. Загрузка данных, базовые операции, фильтрация и первичный осмотр
- Операции с таблицами
- Специфика типов данных. Работа с временными рядами, категориями, обработка пропусков и аномалий
Практический навык
- Первичная очистка «грязного» датасета
- Расчет статистик по группам, сборка датасета из нескольких таблиц
- Работа с датами, приведение типов, заполнение пропусков и дубликатов
- Принципы и инструменты визуализации
- Визуализация, отладка, построение графиков
- Многомерная и статистическая визуализация. Инструменты для разведочного анализа (EDA) и поиска взаимосвязей
Практический навык
- Анализ чужих графиков: поиск смысловых и визуальных ошибок (Good/Bad/Ugly)
- Создание графика для отчета
- Построение комплексного EDA-отчета с использованием статистических графиков
- Векторные данные, геометрии, системы координат и пространственные метрики
- Пространственные отношения и операции
- Многомерные растровые данные
- Растровая алгебра
- Продвинутые методы обработки растров
Практический навык
- Загрузка геоданных, перевод в нужную проекцию
- Пространственное соединение
- Открытие многомерного файла
- Применение масок
- Интерполяция пропусков, агрегация мелких гридов до уровня макро-регионов
- Дизайн статистического исследования
- Теория вероятностей и распределения
- Оценка статистической значимости
- Планирование экспериментов
- Анализ ненормальных и категориальных данных
- Анализ взаимосвязей
- Cтруктура временных рядов
Практический навык
- Статистическая обработка данных
- Сравнение двух групп
- Расчет мощности тестадля заданных параметров
- Анализ результатов
- Оценка качества (R2, RMSE), анализ остатков
- Расчет лагов и автокорреляции для временного ряда
- Пространственная статистика
- Геостатистическая интерполяция
- Пространственное моделирование
Практический навык
- Расчет индексов пространственной автокорреляции
- Интерполяция точечных данных
- Сравнение глобальной и локальной (GWR) регрессий
По окончании учебной программы вы будете:
-
Знать:
базовый синтаксис Python и экосистему библиотек; методы пространственной статистики, геостатистической интерполяции (кригинг) и учета географической неоднородности -
Уметь:
создавать разведочные аналитические отчеты;
применять растровую алгебру, маскирование и рассчитывать производные индексы для многомерных массивов;
проводить статистическое тестирование гипотез, оценивать значимость -
Владеть:навыками комплексного пространственно-статистического исследования (от загрузки API до финального отчета) - А также получите:удостоверение о повышении квалификации
Оставьте заявку, и мы свяжемся с вами!
Заполните форму обратной связи, и мы свяжемся с вами для предоставления полной информации