Sztuka wizualizacji danych, storytelling i autoprezentacja w Pythonie

Zapisy na kurs:

Sztuka wizualizacji danych, storytelling i autoprezentacja w Pythonie

Opis kursu:

Umiejętność praktycznej i ciekawej komunikacji wyników statystycznych jest bardzo ważną kompetencją w pracy analityka. Odbiorcy wyników naszych analiz (menedżerowie, właściciele procesów, etc.) nie są (najczęściej) zainteresowani w rozumieniu pełnego zakresu wyrafinowania naszych modeli, ani poznaniu wszystkich wyzwań jakie pokonaliśmy na drodze do osiągnięcia wyników. Nasi słuchacze, czytelnicy, menedżerowie – chcą otrzymać intuicyjne, logicznie skonstruowane i proste podsumowanie przeprowadzonych obliczeń. W tym celu potrzebne jest (oprócz dogłębnej wiedzy o przedstawianym zagadnieniu):

  • wiedza o poprawnym interpretowaniu danych statystycznych (tak aby nie wprowadzać odbiorcy w błąd i poprawnie interpretować znalezione w danych zależności)
  • znajomość technik poprawnej wizualizacji danych (tak, aby przedstawiona na wykresach informacja była czytelna i łatwa do zrozumienia)
  • znajomość zaawansowanych metod wizualizacji danych (tak, aby przygotowywane prezentacje były ciekawe i oryginalne)
  • umiejętność strukturyzowania wywodu (tak, opis analizy, niezależnie czy napisany czy wygłaszany, był zrozumiały, łatwy do śledzenia przez odbiorcę i ciekawy).

Szkolenie ma charakter multidyscyplinarny i na specjalne zamówienie może zostać przygotowany w innym języku niż Python. Podczas warsztatów uczestnicy nauczą się twardych kompetencji programistycznych (tworzenie zaawansowanych wizualizacji w pakietach matplotlib i seaborn) jak i poznają zagadnienia z pogranicza statystyki, ekonomii, psychologii, retoryki oraz data science (np. sztuka efektywnej wizualizacji danych) w celu poznania skutecznych metod prezentacji danych statystycznych w sposób ciekawy, prosty i praktyczny. Duży nacisk położony jest na przykłady i case study. Po wprowadzeniu teoretycznym i omówieniu przykładów biznesowych, następuje część praktyczna, w której uczestnicy ćwiczą umiejętność poprawnego i interesującego przekazywania wiedzy z przeprowadzonych analiz rozwiązując zadania pod kierunkiem prowadzącego.

Szkolenie prowadzone jest na poziomie średniozaawansowanym. Wcześniejsza znajomość Pythona jest wymagana (w zakresie omawianym na kursie: Analiza danych i programowanie w Pythonie. Przydatna (ale nie niezbędna) jest wiedza ze statystycznej analizy danych, w zakresie omawianym na kursie: Statystyka, ekonometria i szeregi czasowe w Pythonie.