diff --git a/README.md b/README.md
index e69de29..c0dbed8 100644
--- a/README.md
+++ b/README.md
@@ -0,0 +1,29 @@
+# Практическая работа №3: Основы анализа данных и визуализации
+
+## Описание проекта
+В данном проекте реализован базовый цикл анализа данных на языке Python. Работа включает в себя настройку рабочего окружения, обработку числовых массивов и визуализацию статистических данных.
+
+## Этапы выполнения
+1. **Подготовка окружения**: 
+   - Создано виртуальное окружение `venv`.
+   - Установлены библиотеки `pandas`, `numpy`, `matplotlib`, `seaborn` и `tqdm`.
+   - Настроен файл `.gitignore` для исключения системных файлов из репозитория.
+
+2. **Работа с Pandas и Numpy**:
+   - Выполнена загрузка внешнего набора данных `Teen_Mental_Health_Dataset.csv`.
+   - Проведен первичный анализ данных (методы `info()`, `describe()`).
+   - Использованы функции Numpy для математических расчетов.
+
+3. **Визуализация (Seaborn)**:
+   Построены три вида графиков для выявления закономерностей:
+   - **Гистограмма (histplot)**: Распределение продолжительности сна подростков.
+   - **Точечный график (scatterplot)**: Зависимость уровня стресса от времени в соцсетях.
+   - **Ящик с усами (boxplot)**: Сравнение уровня зависимости на разных платформах.
+
+4. **Прогресс-бар**:
+   - Интегрирована библиотека `tqdm` для визуализации процесса завершения обработки данных.
+
+## Как запустить
+1. Активировать виртуальное окружение.
+2. Запустить Jupyter Lab командой `jupyter lab`.
+3. Открыть файл `week2_analysis.ipynb` и запустить все ячейки.
\ No newline at end of file