Pobierz kartę szkolenia

Analiza danych w Pythonie – poziom średniozaawansowany

kod szkolenia: PYTH_ANALIZA_ZAAW / PL AA 2d

Pakiety e-learning

Szkolenie:Analiza danych w Pythonie – poziom średniozaawansowany
training assurance
Termin

tryb Distance Learning

poziom Średnio zaawansowany

czas trwania 2 dni |  14h|  19.09 20.09
2 100,00 PLN + 23% VAT (2 583,00 PLN brutto)
Poprzednia najniższa cena:
1 700,00 PLN
czas trwania 2 dni |  14h|  30.10 31.10
2 100,00 PLN + 23% VAT (2 583,00 PLN brutto)
Poprzednia najniższa cena:
1 700,00 PLN
czas trwania 2 dni |  14h|  28.11 29.11
2 100,00 PLN + 23% VAT (2 583,00 PLN brutto)
Poprzednia najniższa cena:
1 700,00 PLN
czas trwania 2 dni |  14h|  19.12 20.12
2 100,00 PLN + 23% VAT (2 583,00 PLN brutto)
Poprzednia najniższa cena:
1 700,00 PLN
2 100,00 PLN 2 583,00 PLN brutto

Szkolenie przeznaczone jest dla osób chcących poznać techniki analizy danych z wykorzystaniem języka Python na poziomie średniozaawansowanym.

Szkolenie stanowi kontynuację kursu „Analiza danych w Pythonie – poziom podstawowy”. Uczestnicy rozwiną dalsze umiejętności wizualizacji danych z użyciem pakietu Seaborn oraz zaznajomią się z narzędziem do interaktywnej wizualizacji danych – pakietem Bokeh. Poznają podstawy prawdopodobieństwa, statystyki oraz wnioskowania statystycznego. Kursanci nauczą się przeprowadzać symulacje losowe oraz testować hipotezy pozwalające określić, czy występujące w populacjach różnice są istotne statystycznie.

Znajomość podstaw języka Python oraz pakietów NumPy, pandas i Matplotlib.

  • Szkolenie: polski
  1. Zaawansowana wizualizacja danych

    • Seaborn

      • Heatmap
      • Pair plot
      • Swarm plot
      • Box plot
    • Bokeh

      • Interaktywna wizualizacja
      • Konfiguracja wyglądu
      • Wykres liniowy
      • Wykres rozrzutu
      • Suwaki i przyciski
  2. Podstawy prawdopodobieństwa i statystyki

    • Prawdopodobieństwo
    • Korelacja danych
    • Rozkład ciągły i dyskretny
    • Gęstość prawdopodobieństwa
    • Funkcja masy prawdopodobieństwa
    • Rozkład standardowy
    • Centralne twierdzenie graniczne
    • Reguła 3 sigm
  3. Wnioskowanie statystyczne

    • Liczby pseudolosowe
    • Symulacje losowe
    • p-value
    • Estymacja punktowa
    • Estymacja przedziałowa
    • Bootstrapowy przedział ufności
    • Metoda Monte-Carlo
    • Testowanie hipotez
    • Test równości średnich
    • Test równości proporcji
    • Test normalności rozkładu