- Wstęp do programowanie w języku Python
- geneza i historia Pythona
- zastosowania i możliwości
- Instalacja i konfiguracja środowiska
- interpreter języka Python
- wirtualne środowisko (venv)
- zintegrowane środowisko programistyczne (IDE)
- Podstawy składni języka Python
- interakcja z użytkownikiem
- zmienne i podstawowe typy danych
- struktury danych
- instrukcja warunkowa
- pętle
- wyrażenia “comprehension”
- Programowanie proceduralne
- podstawy definiowania funkcji
- przekazywania argumentów
- obsługa daty i czasu (moduł `datetime`)
- Środowisko pracy analityka
- Anaconda
- Manager pakietów Conda
- Manager pip
- Tworzenie wirtualnego środowiska
- Jupyter notebook
- Markdown
- Elementy notacji Latex
- Anaconda
- 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)
- Wstęp do NumPy
- 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
- Wizualizacje
- Wstęp do uczenia maszynowego (ML)
- Przegląd metod i algorytmów uczenia maszynowego
- Podział metod uczenia maszynowego
- Uczenie nadzorowane
- Uczenie nienadzorowane
- Podział metod uczenia maszynowego
- Proces uczenia maszynowego
- Eksploracja danych
- Jak dobrać najlepszy model do zadania
- Przygotowanie danych
- Zbiór uczący
- Zbiór testowy
- Szkolenie modelu
- Walidacja modelu
- Przeuczenie modelu
- Techniki redukcji wymiarowości danych
- Omówienie metod uczenia maszynowego
- Regresja
- Regresja liniowa
- Regresja wielomianowa
- Regresja logistyczna
- Klasyfikacja
- Grupowanie danych
- Redukcja wymiarów
- Sztuczne Sieci Neuronowe
- Regresja
- Łączenie klasyfikatorów
- Wizualizowanie wyników
Kurs Analiza danych w PythonieK-PYTHON-A
Obecnie brak terminów otwartych. Dostępne na zamówienie dla grup.
| Edycja dzienna (dwa bloki 3-dniowe i jeden 4-dniowy, średnio co 2 tyg.) | Edycja weekendowa (zaoczna) (sob-niedz., średnio co 2 tygodnie) | |
|---|---|---|
Warszawa |
27 lutego 2025 - 28 marca 2025 zostało 7 miejsc | 25 stycznia 2025 - 30 marca 2025 zostało 9 miejsc |
Warszawa |
3 kwietnia 2025 - 16 maja 2025 | 15 marca 2025 - 25 maja 2025 |
Zdalnie |
27 lutego 2025 - 28 marca 2025 zostało 9 miejsc | 25 stycznia 2025 - 30 marca 2025 zostało 9 miejsc |
Zdalnie |
3 kwietnia 2025 - 16 maja 2025 | 15 marca 2025 - 25 maja 2025 |
Online (English) |
22 lutego 2025 - 27 kwietnia 2025 (Sat-Sun, on average every 2 weeks) |
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.
Cena kursu: 4790 PLN
lub 958 PLN miesięcznie (5 rat)
first minute (30+ dni do startu) - 3%
dostęp do nagrań w razie potrzeby
dla chętnych bezpłatnie warsztaty HR
praktyczne ćwiczenia i miniprojekty
poczęstunek w cenie
stanowisko komputerowe w cenie
Logo