Summary  
This chapter demonstrates printing the first rows of a dataset and matching each column with its statistical data type.

General domain of usage  
IT salary data analysis

In questa sezione verrà analizzato un campione di stipendi di specialisti IT. Inizia esaminando le prime cinque osservazioni del dataset:

- `work_year` - anno in cui è stato pagato lo stipendio;
- `experience_level` - livello di esperienza: EN è Entry-level, MI è Mid-level, SE è Senior-level, EX è Executive level;
- `job_title` - nome della posizione lavorativa;
- `salary` - valore dello stipendio;
- `salary_currency` - valuta dello stipendio;
- `salary_in_usd` - valore dello stipendio in USD;
- `company_location` - località dell'azienda;
- `company_size` - dimensione dell'azienda: S-Piccola, M-Media, L-Grande.

Segue ora una revisione dei tipi di dati in statistica, seguita da un'attività per abbinare ciascun nome di colonna al relativo tipo di dato.

Questo corso fornisce una conoscenza di base della statistica. È pensato per studenti con una conoscenza basilare della sintassi di Python, poiché lavoreranno con i moduli NumPy e pandas. Durante il corso, acquisirai familiarità con i concetti fondamentali e poi passerai gradualmente a concetti e compiti più complessi.

Questa sezione ci aiuterà ad affrontare il primo vero caso statistico: la determinazione degli intervalli di confidenza. È richiesta la conoscenza delle librerie NumPy, pandas, Matplotlib e Seaborn per calcolare formule matematiche e realizzare visualizzazioni. Per motivarti a completare questa sezione, voglio sottolineare che incontrerai una piccola parte teorica ma una notevole quantità di pratica!

Una parte imprescindibile del lavoro di un data analyst è la conduzione di test di ipotesi. Al termine di questa sezione, comprenderai il concetto alla base dei test in statistica e sarai in grado di eseguire un t-test utilizzando Python.

Esaminare il Dataset

Awesome!

Esaminare il Dataset