Pobierz kartę szkolenia

Analiza danych w Pythonie – poziom podstawowy

kod szkolenia: PYTH_ANALIZA_PODST / PL AA 3d

Pakiety e-learning

Szkolenie: Podstawy analizy danych Python - Poziom podstawowy
Termin

tryb Distance Learning

poziom Podstawowy

czas trwania 3 dni |  21h|  24.07 25.07 26.07
2 850,00 PLN + 23% VAT (3 505,50 PLN brutto)
Poprzednia najniższa cena:
2 300,00 PLN
czas trwania 3 dni |  21h|  28.08 29.08 30.08
2 850,00 PLN + 23% VAT (3 505,50 PLN brutto)
Poprzednia najniższa cena:
2 300,00 PLN
czas trwania 3 dni |  21h|  25.09 26.09 27.09
2 850,00 PLN + 23% VAT (3 505,50 PLN brutto)
Poprzednia najniższa cena:
2 300,00 PLN
czas trwania 3 dni |  21h|  23.10 24.10 25.10
2 850,00 PLN + 23% VAT (3 505,50 PLN brutto)
Poprzednia najniższa cena:
2 300,00 PLN
czas trwania 3 dni |  21h|  27.11 28.11 29.11
2 850,00 PLN + 23% VAT (3 505,50 PLN brutto)
Poprzednia najniższa cena:
2 300,00 PLN
2 850,00 PLN 3 505,50 PLN brutto

Szkolenie przeznaczone jest dla osób chcących poznać podstawowe metody analizy danych w języku Python.

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”.

Python na poziomie podstawowym

  • Szkolenie: polski
  1. Wprowadzenie

    • Podstawowe statystyki
    • Typy danych
    • Problemy z danymi
    • Tworzenie nowego projektu w środowisku PyCharm
    • Import bibliotek
    • Przegląd podstawowej funkcjonalności środowiska
  2. 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       
  3. 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
  4. 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
  5. Wizualizacja danych w pakiecie Matplotlib

    • Konfiguracja wykresów
    • Podwykresy    
    • Wykres liniowy
    • Wykres rozrzutu
    • Histogram
    • Wykres słupkowy
    • Diagram kołowy
    • Heatmap
    • Wyświetlanie obrazów