1. Импортировать необходимые библиотеки, включая NumPy для анализа данных и Matplotlib для визуализации 2. Загрузить данные о продажах за последние 5 лет в виде массива NumPy 3. Извлечь данные из массива, убедившись, что они корректно загружены и имеют правильный формат 4. Выполнить индексацию данных для получения информации о продажах за определенные периоды времени 5. Применить фильтрацию данных для выделения интересующих периодов или аномалий в данных 6. Рассчитать ключевые статистические показатели: среднее значение, медиана и стандартное отклонение продаж 7. Проанализировать тренды в данных, используя методы сглаживания или скользящего среднего 8. Определить сезонные колебания, используя методы декомпозиции временных рядов 9. Подготовить визуализацию данных, включая графики трендов и сезонных колебаний 10. Составить отчет, включающий результаты анализа и визуализации, а также выводы о продажах за последние 5 лет
Обзор терминала Jupyter
Summary for Обзор Jupyter
0/2
Питон для анализа данных – библиотека NumPy
Summary for Питон для анализа данных - NumPy
0/8
Python для анализа данных – библиотека Pandas
Summary for Python для анализа данных - Pandas
0/13
Введение в машинное обучение
Summary for Введение в машинное обучение
0/9
Кросс-валидация и компромисс между смещением и разбросом.
Summary for Кросс-валидация и компромисс между смещением и разбросом.
0/3
Большие данные и Spark с Python
Summary for Большие данные и Spark с Python
0/14
Нейронные сети
Summary for Нейронные сети
0/24
Нейронные сети и глубокое обучение
Summary for Нейронные сети и глубокое обучение
0/8
Обработка естественного языка
Summary for Обработка естественного языка
0/7
Рекомендательные системы
Summary for Рекомендательные системы
0/5
Анализ основных компонентов (PCA)
Summary for Анализ основных компонентов (PCA)
0/4
Кластеризация методом K-средних
Summary for Кластеризация методом K-средних
0/5
Опорные векторные машины
Summary for Опорные векторные машины
0/5
Решающие деревья и случайные леса
Summary for Решающие деревья и случайные леса
0/6
K ближайших соседей
Summary for K ближайших соседей
0/5
Логистическая регрессия
Summary for Логистическая регрессия
0/7
Линейная регрессия
Summary for Линейная регрессия
0/7
Курсовой проект по данным
Summary for Курсовой проект по данным
0/10
Python для визуализации данных – Географическое построение графиков
Summary for Python для визуализации данных - Географическое построение графиков
0/7
Python для визуализации данных – Plotly и Cufflinks
Summary for Python для визуализации данных - Plotly и Cufflinks
0/5
Python для визуализации данных – Seaborn
Summary for Python для визуализации данных - Seaborn
0/11
Python для визуализации данных – Matplotlib
Summary for Python для визуализации данных - Matplotlib
0/9
Python для визуализации данных – встроенная визуализация данных в Pandas
Summary for Python для визуализации данных - встроенная визуализация данных в Pandas
0/5
Python для анализа данных – упражнения с Pandas
Summary for Python для анализа данных - упражнения с Pandas
0/7
Об уроке