Lokalizacja | Termin | Cena | Wybierz | |
---|---|---|---|---|
{{place.city}}
{{ event_pack_item.event_details.education_center.name }}
???
|
{{place.date}}
({{ event_pack_item.product_details.product_informations.code }} / {{ event_pack_item.product_details.product_informations.name }})
{{ altkomDateFormatMoment(event_pack_item.event_details.startdate, event_pack_item.event_details.enddate) }}
???
|
![]() |
|
|
Skontaktuj się z nami | ||||
Dostępne terminy: | ||||
DISTANCE LEARNING | 2024-01-17 - 2024-01-19 | |||
DISTANCE LEARNING | 2024-03-13 - 2024-03-15 | |||
DISTANCE LEARNING | 2024-05-22 - 2024-05-24 | |||
DISTANCE LEARNING | 2024-07-24 - 2024-07-26 | |||
Lokalizacja i termin do uzgodnienia | ![]() |
|
-
Liczba miejsc (dostępnych: {{ basketAddItem.free_seats}})
{{ basketAddItem.city }}
{{ basketAddItem.date }}
Liczba miejsc xxxxxxxxxx
Żeby dowiedzieć się, czy dane szkolenie będzie realizowane stacjonarnie skontaktuj się ze swoim Opiekunem lub zadaj pytanie przez Formularz kontaktowy
Przeznaczenie szkolenia
Szkolenie przeznaczone jest dla osób chcących poznać podstawowe metody analizy danych w języku Python.
Korzyści wynikające z ukończenia szkolenia
Uczestnicy szkolenia zdobędą, ugruntują lub wzbogacą swoją wiedzę z zakresu analizy danych. Zapoznają się z podstawami środowiska PyCharm oraz dwoma głównymi pakietami do operacji na danych – NumPy oraz pandas. Słuchacze dowiedzą się, jak przygotować dane, aby były gotowe do dalszego modelowania z użyciem uczenia maszynowego oraz poznają podstawowe metody ich wizualizacji. Kontynuację szkolenia stanowi kurs „Analiza danych w Pythonie – poziom średniozaawansowany”.
Oczekiwane przygotowanie słuchaczy
Python na poziomie podstawowym
Język szkolenia
- Szkolenie: polski
AGENDA SZKOLENIA
-
Wprowadzenie
-
Podstawowe statystyki
-
Typy danych
-
Problemy z danymi
-
Tworzenie nowego projektu w środowisku PyCharm
-
Import bibliotek
-
Przegląd podstawowej funkcjonalności środowiska
-
Podstawy NumPy
-
Wektory, macierze, tensory
-
Generowanie liczb pseudolosowych
-
Tworzenie tablic
-
Właściwości tablicy, konwersja typów
-
Działania na indeksach
-
Operacje arytmetyczne i logiczne na tablicach
-
Zmiana rozmiaru i łączenie tablic
-
Agregacja danych
-
Płytkie i głębokie kopiowanie
-
Wbudowane funkcje
-
Sortowanie tablic
-
Podstawy pandas
-
Seria i ramka danych
-
Indeksy i kolumny
-
Tworzenie obiektów
-
Import danych (excel, csv)
-
Zapis danych
-
Atrybuty ramki
-
Dodawanie i usuwanie wierszy
-
Indeksery
-
Filtracja danych
-
Operacje na ramce
-
Grupowanie i agregacja
-
Analiza eksploracyjna i przygotowanie danych
-
Typy i rozmiar danych
-
Statystyki
-
Kodowanie danych
-
Rodzaje braków danych
-
Wykrywanie braków danych
-
Podstawowe metody uzupełniania braków danych
-
Niespójności w danych
-
Wartości odstające
-
Korelacja danych
-
Standaryzacja i skalowanie
-
Wizualizacja danych w pakiecie Matplotlib
-
Konfiguracja wykresów
-
Podwykresy
-
Wykres liniowy
-
Wykres rozrzutu
-
Histogram
-
Wykres słupkowy
-
Diagram kołowy
-
Heatmap
-
Wyświetlanie obrazów
Wprowadzenie
-
Podstawowe statystyki
-
Typy danych
-
Problemy z danymi
-
Tworzenie nowego projektu w środowisku PyCharm
-
Import bibliotek
-
Przegląd podstawowej funkcjonalności środowiska
Podstawy NumPy
-
Wektory, macierze, tensory
-
Generowanie liczb pseudolosowych
-
Tworzenie tablic
-
Właściwości tablicy, konwersja typów
-
Działania na indeksach
-
Operacje arytmetyczne i logiczne na tablicach
-
Zmiana rozmiaru i łączenie tablic
-
Agregacja danych
-
Płytkie i głębokie kopiowanie
-
Wbudowane funkcje
-
Sortowanie tablic
Podstawy pandas
-
Seria i ramka danych
-
Indeksy i kolumny
-
Tworzenie obiektów
-
Import danych (excel, csv)
-
Zapis danych
-
Atrybuty ramki
-
Dodawanie i usuwanie wierszy
-
Indeksery
-
Filtracja danych
-
Operacje na ramce
-
Grupowanie i agregacja
Analiza eksploracyjna i przygotowanie danych
-
Typy i rozmiar danych
-
Statystyki
-
Kodowanie danych
-
Rodzaje braków danych
-
Wykrywanie braków danych
-
Podstawowe metody uzupełniania braków danych
-
Niespójności w danych
-
Wartości odstające
-
Korelacja danych
-
Standaryzacja i skalowanie
Wizualizacja danych w pakiecie Matplotlib
-
Konfiguracja wykresów
-
Podwykresy
-
Wykres liniowy
-
Wykres rozrzutu
-
Histogram
-
Wykres słupkowy
-
Diagram kołowy
-
Heatmap
-
Wyświetlanie obrazów
Kod szkolenia
PYTH_ANALIZA_PODST / PL AA 3d
Pobierz PDF


FORMULARZ KONTAKTOWY
Analiza danych w Pythonie – poziom podstawowy
(PYTH_ANALIZA_PODST
/ PL AA 3d)
Cena netto
2850.00 PLN
+ vat
(3505.5 PLN
brutto 1. os.
)
Tryb szkolenia:
Distance Learning
Termin:
17-01-2024
Czas trwania:
3
dni (ilość godzin:
21)
Zadaj pytanie o szkolenie
Poziom
Basic
Basic

Gwarancja
Powtórzenia szkolenia
Powtórzenia szkolenia
Polecane szkolenia
}else{ ?>
Analiza danych w Pythonie – poziom średniozaawansowany
Kod szkolenia: PL AA 2d
Kod szkolenia: PL AA 2d
Analiza danych w Pythonie – poziom średniozaawansowany
Kod szkolenia: PL AA 2d
Kod szkolenia: PL AA 2d
Tworzenie aplikacji webowych w Django
Kod szkolenia: PL AA 3d
Kod szkolenia: PL AA 3d
Przetwarzanie języka naturalnego w Pythonie
Kod szkolenia: PL AA 2d
Kod szkolenia: PL AA 2d
Python dla administratorów systemów LUW
Kod szkolenia: PL AA 5d
Kod szkolenia: PL AA 5d
Zaawansowane techniki programowania w języku Python
Kod szkolenia: PL AA 5d
Kod szkolenia: PL AA 5d
Wzorce projektowe w języku Python
Kod szkolenia: PL AA 4d
Kod szkolenia: PL AA 4d
Podstawy programowania w języku Python
Kod szkolenia: PL AA 5d
Kod szkolenia: PL AA 5d