| 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) }}
???
|
|
{{place.price}} netto{{ place.price | zlotyPriceWithTax }} brutto |
|
| 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 | |
{{place.price}} netto
{{ place.price | zlotyPriceWithTax }} brutto
|
||
-
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
Szkolenie: Podstawy analizy danych Python - Poziom podstawowy
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
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