Курс Основы Python для анализа данных
Научитесь автоматизировать анализ и визуализацию данных с помощью Python и повысите свой заработок.
Python для анализа данных + ИИ
Онлайн-курс
Занятия в удобное время
Доступ к материалам и регулярным обновлениям курса — навсегда
Два документа
Удостоверение о повышении квалификации и диплом Академии Эдюсон
Актуальная программа
Курс разработан исходя из реальных тенденций рынка и потребностей работодателей в 2026 году
Преподаватели — практикующие эксперты
С опытом в «Рамблере», «Мегафоне», «Альфа-Банке», «Авито», Ozon и Lamoda
Фокус на практике
49 практических кейсов, а также квизы, тренажёры и 1 итоговый проект
Поддержка 365 дней
Личный куратор и индивидуальный разбор ваших вопросов по курсу
С помощью Python можно получить быстрые и надёжные ответы из данных.
Python — когда Excel недостаточно
Python
Получить консультацию или записаться на курс
Python — лидер в анализе данных, и вот почему:
+30%
свободного времени —автоматизация вместо бесконечных Excel-таблиц
+100%
к точности — Python исключает ошибки ручного анализа
1 000 000+
строк данных способен обрабатывать Python за секунды
Автоматизация
Один скрипт автоматически обновляет отчёты и графики по расписанию — можно забыть о ручных правках.
Масштаб
Python работает с миллионами строк и десятками источников данных: файлами, базами данных, API, веб-парсингом.
Качество и воспроизводимость
Весь код хранится в общем пространстве на GitHub, каждый шаг можно восстановить и проверить, а результат — повторить.
Профессиональная аналитика
Статистика, A/B-тесты и модели машинного обучения в готовых библиотеках: Pandas, NumPy, Scikit-learn.
Понятные решения
Наглядные визуализации и отчёты для команды и руководства, чтобы уверенно обосновывать решения.
Карьерное преимущество
Python — универсальный язык аналитиков, который востребован в разных сферах и расширяет возможности для роста.
Для каких компаний это работает
Стартапы
1-20 чел.
Быстрое прототипирование, автоматизация отчётов без дорогих инструментов.
Малый и средний бизнес
20–300 чел.
Единый конвейер данных из CRM/ERP/Excel, регулярная отчётность, A/B-тесты.
Средние и крупные компании
300+ чел.
Продуктовые метрики, интеграция с БД, стандарты качества и командная работа с кодом.
Кому подойдёт курс
Вы научитесь
Работать с данными в Pandas и NumPy
Очищать, объединять и преобразовывать таблицы
Проводить разведочный анализ данных (EDA)
Считать метрики и находить закономерности
Визуализировать данные с помощью Python
Составлять наглядные графики и отчёты
Строить базовые модели машинного обучения
Прогнозировать, анализировать временные ряды.
Проверять гипотезы
Проводить A/B-тесты и использовать статистику без ошибок в интерпретации
Работать с SQL
Подключать базы данных к Python и писать запросы
Есть вопросы? Закажи бесплатную консультацию
Структурирование теории с примерами
Вы изучаете теорию в формате видеолекций в удобное вам время. К занятиям прилагаются дополнительные материалы, лонгриды, конспекты и чек-листы.
Тренажёры для обработки навыков
Вы научитесь рассчитывать главные метрики бизнеса, которые показывают экономическое состояние продукта.
Практические задания и бизнес-кейсы
Вы погружаетесь в реальные задачи по операционному менеджменту, качественно отрабатывая теорию на решении практических заданий.
Состав курса на нашей уникальной платформе
Как учиться эффективно
7 уроков
- Инструкция по обучению на платформе Eduson
- Участвуйте в реферальной программе и получайте бонусы от Eduson
- Эффективное обучение: Часть 1. Как разобраться в новой теме
- Эффективное обучение: Часть 2. Как работать с книгами и статьями
- Эффективное обучение: Часть 3. Как выстроить план обучения
- Эффективное обучение: Часть 4. Как найти время на обучение
- Скачайте трекер учебы, чтобы следить за своим прогрессом
Основы программирования
10 уроков
- Математика для IT-специалистов
- Что такое абстракции и как с ними работать
- Что такое понятия true и false в логике
- Что такое простые типы данных
- Что такое сложные типы данных
- Что нужно знать о множествах
- Что такое выражение, ветвление и цикл
- Что такое функции и окружение
- Что такое рекурсия, рекурсивный и итеративный процессы
- Что такое алгоритмы
Теория вероятности и математическая статистика
25 уроков
- Что такое случайное событие и как рассчитать его вероятность
- Что такое условная вероятность события и как ее рассчитать
- Что такое полная вероятность события и как ее рассчитать
- Что такое случайные величины и как их можно описать
- Повторяем основы теории вероятностей и статистики
- Что такое дискретное распределение случайной величины
- Что такое генеральная совокупность и выборка
- Как описать набор данных с помощью статистики
- Как в аналитике тестируют гипотезы
- Как оценить параметры распределения
- Как читать визуализации статистических данных
- Как подобрать диаграмму под задачу
- Как не допускать ошибки при визуализации статистических данных
- Как применять статистические критерии
- Как анализировать зависимости между случайными величинами: регрессионный и корреляционный анализ
- Домашнее задание: оцените знания группы студентов
- Домашнее задание: рассчитайте вероятность, что нейросеть верно распознала лицо
- Домашнее задание: рассчитайте вероятность, что студент сдаст экзамен
- Домашнее задание: рассчитайте вероятность, что пёс сыграет «Собачий вальс»
- Домашнее задание: выберите стратегию, чтобы выиграть партию в Dungeons & Dragons
- Домашнее задание: разработайте рецепт идеального кофе
- Домашнее задание: подберите пароль для сейфа с мемами
- Домашнее задание: оцените, стоит ли соглашаться на пари о погоде в Санкт-Петербурге
- Домашнее задание: оцените эффективность рождественских эльфов
- Домашнее задание: проверьте гипотезы преподавателя зельеварения
Начало работы с Python
9 уроков
- Начало программирования на Python
- Как изучать Python
- Как установить Python и вывести фразу «Hello, world!»
- В какой IDE лучше всего писать код
- Как выбрать IDE для работы с Python
- Как использовать IDE PyCharm для работы с Python
- Как установить и настроить Visual Studio Code
- Что такое стандарты PEP 8 и как их применять
- Как настроить окружение
Типы данных в Python
11 уроков
- Как работать с числами в Python
- Как работать с булевскими переменными
- Как работать со строками в Python
- Как работать со списками
- Как работать с кортежами
- Как работать с множествами
- Как работать со словарями
- Практические задания: переменные
- Практические задания: строки № 1
- Практические задания: строки № 2
- Практические задания: типы данных в Python
Функции
7 уроков
- Что такое функция и как ее создать
- Как начать работать с функциями
- Как задавать аргументы и работать с ними
- Как работать с конструкциями args и kwargs
- Как работать с локальными и глобальными переменными
- Как документировать функцию и возвращать несколько значений из функции
- Практические задания: функции в Python
Условия циклы и рекурсии
12 уроков
- Что такое условия и как с ними работать
- Как работать с условным оператором if — elif — else
- Как использовать условные операторы в функциях и комбинировать условия
- Что такое тернарный оператор и the Anti-IF Campaign
- Как использовать условный оператор в коде: методика раннего прерывания
- Как избегать длинных условий в коде
- Как избегать дублирований
- Как не усложнять код
- Что такое циклы в Python и как с ними работать
- Что такое рекурсии в Python
- Практические задания: условия в Python
- Практические задания: циклы и рекурсии в Python
Модули и файлы
6 уроков
- Как импортировать модули и элементы модулей
- Как создать модуль
- Какие основные модули есть в Python и как с ними работать
- Как работать с файлами
- Практический кейс: как автоматически обработать файлы
- Тест. Как устроен язык Python
Углубленное программирование
13 уроков
- Как работать с лямбда-функциями в Python
- Как работать с comprehensions в Python
- Практические задания: list comprehensions
- Практические задания: списки и словари
- Что такое итераторы и генераторы в Python
- Как работать с исключениями в Python
- Как работать с оператором * в Python
- Практические задания: методы обработки списков
- Как работать с датами и временем в Python
- Как работать с регулярными выражениями в Python
- Практические задания: углубленное программирование
- Как работать с GitHub
- Как оформить репозиторий на GitHub
Алгоритмы и структуры данных
6 уроков
- Какие структуры данных используются в алгоритмах
- Квиз к курсу «Какие структуры данных используются в алгоритмах»
- Как алгоритмы работают с деревьями данных
- Квиз «Как работают алгоритмы с деревьями данных»
- Как работают алгоритмы динамического программирования
- Практические задания: алгоритмы
А/B-тестирование
8 уроков
- Как и когда бизнес использует метод A/B-тестирования
- Как провести A/B-тестирование
- Какие математические основы стоят за A/B-тестами
- Практический кейс: как провести A/B-тестирование
- Каких ошибок стоит избегать в A/B-тестах
- Как начать работать с A/B-тестами в компании
- Чем заменить A/B-тестирование
- Практический кейс по теме А/B-тестирование
Работа с данными
6 уроков
- Что такое данные, как их классифицировать и проверить качество
- Как структурировать и предобработать данные
- Как структурировать и предобработать данные: практический кейс
- Как собрать данные и проанализировать их качество
- Как парсить данные с веб-страниц
- Как анализировать данные с помощью библиотеки Pandas Profiling
Как анализировать данные с помощью pandas
5 уроков
- Как начать работу в pandas
- Как загружать и обрабатывать данные в pandas
- Как провести разведочный анализ данных в pandas
- Как анализировать метрики в pandas
- Какие есть функции pandas для работы с датафреймами
Как анализировать данные с помощью NumPy
10 уроков
- Как работать с библиотекой NumPy
- Как работать с массивами в NumPy
- Какими методами изменяют массивы в NumPy
- Как использовать статистические функции NumPy
- Как импортировать и сохранять результаты в NumPy
- Как работать с матрицами в NumPy
- Как проверять условия в NumPy
- Как генерировать случайные величины в NumPy
- Практический кейс. Как анализировать данные в NumPy
- Как использовать среду разработки для работы с Python
Как визуализировать данные с помощью Python
4 урока
- Тренажер. Визуализация данных с помощью Python
- Как с помощью Python визуализировать данные
- Домашнее задание: визуализируйте данные о медицинском страховании
- Домашнее задание: визуализация и анализ данных в Python
Качественный код
4 урока
- Как писать организованный код
- Как организовать и отформатировать код в Python
- Как управлять зависимостями в Poetry
- Что такое дебаггинг, рефакторинг и оптимизация
Работа с базами данных
21 урок
- Зачем бизнес использует базы данных
- Как проектировать базы данных
- Практический кейс: спроектируйте базу данных магазина
- Как установить и настроить БД
- Как подключиться к базе данных
- Как подключиться к базе данных с помощью Dbeaver
- Какие типы данных используются в PostgreSQL
- Как выбрать данные из таблицы
- Как задать шаблон для поиска значений в таблице
- Как задать фильтр с помощью условных операторов
- Как применять функции для обработки данных
- Как анализировать ER-диаграммы
- Как выбрать и соединить данные из разных таблиц
- Как сгруппировать строки и провести вычисления над ними
- Практическое занятие: рассчитайте количество товаров по каждому поставщику
- Транспонируйте таблицу с помощью группировки
- Как создавать подзапросы в SQL
- Как создавать оконные функции в SQL
- Как описать структуру базы данных с помощью операторов DDL
- Как экспортировать данные и SQL-запросы
- Как работать с базами данных в Python
Введение в машинное обучение
6 уроков
- Как устроено машинное обучение
- Как устроены нейронные сети
- Как выполнить анализ главных компонент
- Как выполнить анализ главных компонент: практика
- Как подобрать предикторы для модели: теория
- Как подобрать предикторы для модели: практика
Линейная регрессия. Как найти зависимость между показателями
4 урока
- Как решить задачу линейной регрессии
- Как реализовать линейную регрессию на Python
- Практическое задание: Решите задачу линейной регрессии
- Как пользоваться платформой Kaggle
Классификация. Как разделить данные на группы
9 уроков
- Как решить задачу классификации
- Как оценить качество классификации
- Как устроен алгоритм k-ближайших соседей
- Постройте модель k-ближайших соседей
- Как устроен алгоритм Логистическая регрессия
- Как работает метод опорных векторов
- Практический кейс: сделайте классификацию методом опорных векторов и логистической регрессией
- Домашнее задание: классифицируйте опухоли молочной железы
- Разбор домашнего задания: классифицируйте опухоли молочной железы
Байесовский классификатор
3 урока
- Как устроен байесовский классификатор
- Практический кейс: классифицируйте вина на основе их состава
- Домашнее задание: примените байесовский классификатор в задаче банковского скоринга
Классификация. Деревья решений
4 урока
- Как использовать деревья решений
- Практический кейс: с помощью деревьев решений предскажите экспертный рейтинг
- Домашнее задание: с помощью деревьев решений оцените шанс выжить на «Титанике»
- Разбор домашнего задания: с помощью деревьев решений оцените шанс выжить на «Титанике»
Классификация. Случайный лес
4 урока
- Как использовать случайный лес
- Практический кейс: с помощью случайного леса предскажите вероятность дождя
- Домашнее задание: с помощью случайного леса предскажите стоимость недвижимости
- Разбор домашнего задания: с помощью случайного леса предскажите стоимость недвижимости
Кластеризация. Как найти неизвестные группы в данных
5 уроков
- Кластеризация. Как разделить данные
- Как выполнить кластеризацию с помощью метода k-средних
- Кластеризуйте посетителей магазина методом k-средних: практическое задание
- Как работают методы DBSCAN и HDBSCAN
- Практический кейс: выполните кластеризацию с помощью методов DBSCAN и HDBSCAN
Прогнозирование
9 уроков
- Как прогнозировать значения временного ряда
- Какие библиотеки используют для анализа временных рядов
- Практический кейс: спрогнозируйте количество заказов такси
- Практический кейс: проанализируйте временной ряд
- Как работают модели авторегрессии
- Как подобрать модель для прогнозирования временного ряда
- Как прогнозировать временные ряды с помощью ETNA
- Практический кейс: предскажите значения спроса на товары
- Как использовать нейросети для прогнозирования временных рядов
Итоговый проект
1 урок
- Итоговый проект: сравните выгрузку из аптеки и системы СБИС
Добавили 17 уроков по нейросетям, чтобы вы повысили свою ценность в эпоху ИИ
Программа обновлена в сентябре 2026
Введение в нейросети и промптинг
3 урока
- Как использовать платные нейросети
- Как составить промпт для текстовых нейросетей
- Практическое задание: создайте промпт для нейросети
Нейросети для разработки
8 уроков
- Как использовать нейросети, чтобы написать код
- Практическое задание: как использовать нейросети, чтобы написать код
- Как использовать автокомплитеры в IDE
- Практическое задание: как использовать автокомплитеры в IDE
- Как изучать новые языки и фреймворки с помощью нейросетей
- Практическое задание: как изучать новые языки и фреймворки с помощью нейросетей
- Как использовать нейросети, чтобы документировать код
- Практическое задание: как использовать нейросети, чтобы документировать код
Нейросети для работы и личных задач
6 уроков
- Как создавать презентации: питч, для бизнеса, для инвесторов
- Как использовать нейросети в повседневных рабочих инструментах
- Как создать личного помощника-секретаря
- Как повысить личную эффективность
- Как создать бизнес-стратегию и масштабировать бизнес
- Как создать стратегию карьеры и личностного роста
Удостоверение о повышении квалификации
После прохождения всех уроков и выполнения практических кейсов курса вы получите официальный диплом Эдюсон
Диплом о прохождении курса
У вас будет официальный документ, который подтвердит ваши навыки и поможет в карьерном росте.
Каждый выпускник программы получит два документа
Преподаватели курса —
практикующие эксперты
Да, конечно! Практику проверил, на вопросы ответил. Вы хорошо поработали, кое-что поправить и будет отлично
Добрый день! Сделала практику, проверьте, пожалуйста. Еще оставила в документе несколько вопросов. Сможете ответить?
Ваш куратор на связи 7 дней в неделю, чтобы помочь исправить ошибки в практических работах и ответить на ваши вопросы.
Личный куратор поможет применить новые знания на практике
Студент
Куратор
Ведущие компании доверяют Академии Эдюсон образование своих сотрудников
Наши клиенты — лидеры рынка
Студенты любят наши курсы
Средний рейтинг 4.8
Студенты любят наши курсы
Средний рейтинг 4.8
750 000
студентов проходят обучение на 2026 год
100+
курсов-профессий выпустили с 2013 года
Академия Эдюсон — это про доверие
№1
в дополнительном обучении по версии Smart Ranking
13+
лет обучаем компании и людей
Мы собрали лучших экспертов со всего мира, сделали удобную платформу, пригласили опытных кураторов — и вот что получилось:
Что вас ждёт на курсе и его стоимость
-60%
Оплатить сразу с доп. скидкой
Записаться на бесплатную консультацию
Оплатить сразу с доп. скидкой
Записаться на бесплатную консультацию
0 ₽ / мес
Что вас ждёт на курсе
Обучение можно оплатить сразу или воспользоваться беспроцентной рассрочкой на
Стоимость курса
0 месяцев
Записаться на курс или получить бесплатную консультацию
225 интерактивных уроков
194 академических часа
Куратор на 365 дней
1 итоговый проект
00
:
00
:
00
0
дней
До конца скидки осталось:
Диплом Академии Эдюсон
Доступ к курсу и обновлениям навсегда
Удостоверение о повышении квалификации
Налоговый вычет 13%
Статус
У меня есть промокод
academy@eduson.tv
Направления обучения
115280, г. Москва, ул. Ленинская слобода, д. 19
© 2020–2026 ООО «ЭДЮСОН»
Рассрочка от партнёров
Академия
Документы
Программы
