Your cart is empty.
Keep shoppingРуслан Сенаторов: Titanic.Разведывательный анализ данных.EDA
7 students
Руслан Сенаторов: Titanic.Разведывательный анализ данных.EDA
Проведите полный EDA датасета «Титаник» с помощью Python, Pandas, Matplotlib и Seaborn. SenatorovAI
Last updated 6/2026
Russian
What you'll learn
- Загружать и исследовать датасет «Титаник» с помощью Python и Pandas.
- Проводить основные этапы разведывательного анализа данных — EDA.
- Оценивать структуру, типы данных и качество признаков.
- Находить и обрабатывать пропущенные значения и дубликаты.
- Рассчитывать описательные статистики и интерпретировать результаты.
- Исследовать влияние пола, возраста, класса билета и стоимости проезда на выживаемость.
- Создавать информативные графики с помощью Matplotlib и Seaborn.
- Выявлять взаимосвязи, закономерности и потенциальные выбросы.
- Формулировать аналитические выводы и подготавливать данные к машинному обучению.
Explore related topics
Course content
1 section • 8 lectures • 1h 37m total length
Requirements
- Базовое знание синтаксиса Python.
- Понимание переменных, списков, условий и функций.
- Базовые знания статистики не требуются.
Description
This course contains the use of artificial intelligence.
Artificial intelligence was used only to assist with drafting and editing the course description. All instructional materials, lectures, examples, and exercises were created and reviewed by the instructor.
Курс «Титаник: разведывательный анализ данных (EDA)» поможет вам пройти основные этапы исследования реального набора данных с помощью Python. На примере известного датасета «Титаник» вы научитесь проверять качество информации, находить закономерности, создавать визуализации и формулировать содержательные аналитические выводы.
В начале курса вы загрузите данные и познакомитесь с их структурой. Вы изучите назначение признаков, проверите размер таблицы, типы переменных и наличие дубликатов. С помощью библиотеки Pandas вы рассчитаете описательные статистики и получите первое представление о пассажирах, стоимости билетов и уровне выживаемости.
Особое внимание уделяется пропущенным значениям. Вы определите, в каких столбцах отсутствуют данные, оцените масштаб проблемы и рассмотрите возможные способы обработки пропусков. Вы также научитесь анализировать числовые и категориальные признаки, обнаруживать потенциальные выбросы и проверять корректность значений.
В ходе EDA вы исследуете распределение пассажиров по полу, возрасту и классу билета. Сравните показатели выживаемости разных групп и оцените, как на вероятность спасения могли влиять возраст, пол, класс, стоимость проезда и семейные связи. Для анализа будут использоваться группировка, фильтрация, сводные таблицы и другие инструменты Pandas.
С помощью Matplotlib и Seaborn вы построите гистограммы, столбчатые диаграммы, диаграммы размаха и другие информативные графики. Вы научитесь выбирать подходящий тип визуализации и правильно интерпретировать полученные результаты.
Курс предназначен для начинающих аналитиков, специалистов по Data Science, студентов и участников Kaggle. После завершения обучения вы сможете самостоятельно проводить базовый EDA, выявлять взаимосвязи между признаками, подготавливать данные к машинному обучению и оформлять проект для своего портфолио. SenatorovAI
Who this course is for:
- Курс предназначен для начинающих аналитиков данных, специалистов по Data Science, студентов и Python-разработчиков, которые хотят освоить разведывательный анализ на примере известного датасета «Титаник».
- Он будет полезен кандидатам на позиции Junior Data Analyst и Junior Data Scientist, желающим закрепить навыки работы с Pandas, визуализацией и описательной статистикой.
- Курс также подойдёт тем, кто формирует портфолио, готовится к участию в соревнованиях Kaggle или планирует перейти к построению моделей машинного обучения после качественного исследования данных.