Kurs Analiza danych w Pythonie (bez ML)K-PYTHON-A-SHORT

  • Python
  • Anaconda
  • Jupyter Notebook
  • NumPy
  • Pandas
  • Matplotlib

Obecnie brak terminów otwartych. Dostępne na zamówienie dla grup.

Warszawa
  • 14.12 - zaoczny (sob-niedz., średnio co 2 tygodnie)
  • 17.12 - dzienny (dwa bloki 3-dniowe, średnio co 2 tyg.)
Zdalnie
  • 14.12 - zaoczny (sob-niedz., średnio co 2 tygodnie)
  • 17.12 - dzienny (dwa bloki 3-dniowe, średnio co 2 tyg.)

Tryb zdalny: online na żywo z trenerem i grupą (→ więcej o kursach zdalnych). Można: zrezygnować do 15 dni przed startem; w każdej chwili przejść na tryb zdalny; w razie potrzeby skorzystać z nagrań. Kursy dostępne również na zamówienie, w terminie i lokalizacji do uzgodnienia, dla grup od 6 osób.

4,8/5 (42)
Stars
dla firm - netto
dla osób prywatnych - brutto (pokrywamy VAT)
dla podmiotów publicznych - zwolnione z VAT

Cena kursu: 3390 PLN

możliwość rozłożenia na 3 raty


percent icon first minute (30+ dni do startu) - 3%

percent icon dostęp do nagrań w razie potrzeby

shake hand icon dla chętnych bezpłatnie warsztaty HR

percent icon praktyczne ćwiczenia i miniprojekty

coffee cup icon poczęstunek w cenie

desktop icon stanowisko komputerowe w cenie

  1. Wstęp do programowanie w języku Python
    • geneza i historia Pythona
    • zastosowania i możliwości
  2. Instalacja i konfiguracja środowiska
    • interpreter języka Python
    • wirtualne środowisko (venv)
    • zintegrowane środowisko programistyczne (IDE)
  3. Podstawy składni języka Python
    • interakcja z użytkownikiem
    • zmienne i podstawowe typy danych
    • struktury danych
    • instrukcja warunkowa
    • pętle
    • wyrażenia “comprehension”
  4. Programowanie proceduralne
    • podstawy definiowania funkcji
    • przekazywania argumentów
    • obsługa daty i czasu (moduł `datetime`)
  5. Środowisko pracy analityka
    • Anaconda
      • Manager pakietów Conda
      • Manager pip
      • Tworzenie wirtualnego środowiska
    • Jupyter notebook
      • Markdown
      • Elementy notacji Latex
  6. Przetwarzanie danych
    • Wstęp do NumPy
      • Tworzenie wektorów i macierzy
      • Przekształcenia, operacje w NumPy
        • wybieranie
        • wektoryzacja
        • broadcasting
      • Elementy arytmetyki i algebry przy użyciu NumPy
        • Rozwiązywanie równań liniowych
    • Wstęp do Pandas
      • Serie i ramki danych
      • Pozyskiwanie danych z różnych źródeł
        • Pliki
        • Zasoby w internecie
        • Bazy danych
    • Przygotowywanie i czyszczenie danych – Operacje i przekształcenia DataFrame
      • Usuwanie kolumn i wierszy
      • Zmiana wymiarów – reshaping
      • Pivoting
      • Rangowanie i sortowanie danych
      • Łączenie ramek (concatenate, merge, join)
  7. Analiza danych
    • Wizualizacje
      • Wprowadzenie do matplotlib
      • Generowanie wykresów z poziomu pandas
      • Seaborn i inne narzędzia do wizualizacji danych w Pythonie
    • Podstawy analizy statystycznej
    • Wnioskowanie statystyczne