
Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych
- Autor:
- Oleg Żero
- Ocena:
- 5.0/6 2 opinii
- Wersja:
- Online i ZIP (894.6MB)
- Czas trwania:
- 8:05:22
+ gratis
Kupując ten kurs dodatkowo otrzymasz:
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II (ebook)
Wartość zestawu to 198,00 zł, oszczędzasz 123,50 zł (-62%)!
Opis kursu
Obierz kurs na... wyższy level pracy z danymi
W każdej minucie użytkownicy Snapchata dzielą się ponad pół milionem zdjęć, oglądanych jest ponad 4 miliony filmów na YouTubie, a bywalcy Twittera wysyłają ponad 400 tysięcy tweetów. A to tylko ułamek danych, jakie są na bieżąco generowane.
Ich wielka ilość z jednej strony jest wyzwaniem dla serwerów, z drugiej - ma ogromny potencjał dla osób pracujących z danymi. Dzięki nim udaje się usprawnić niemal każdą dziedzinę życia, by wspomnieć choćby medycynę, logistykę, robotykę, e-commerce. Rozwiązania pozwalające pracować z danymi opierają się na różnych podejściach: od prostych modeli czysto statystycznych po skomplikowane algorytmy sztucznej inteligencji, a sama praca na danych wymaga połączenia umiejętności analitycznych i programistycznych. W każdym przypadku punktem wyjścia jest analiza i eksploracja danych, która pozwala w skuteczny sposób przejrzeć i zgłębić ich zasób, by szybko i skutecznie docierać do konkretnych informacji.
Umiejętności te zdobędziesz w ramach tego kursu.
W trakcie nauki będziemy bazować na możliwościach, jakie oferują język Python i jego biblioteki (numpy, pandas, matplotlib, seaborn), które stanowią absolutną podstawę do dalszej pracy z danymi. Są też wykorzystywane przez inne, bardziej zaawansowane narzędzia uczenia maszynowego. Szkolenie jest adresowane do kilku grup zawodowych. Odnajdą się w nim zarówno osoby, które już zajmowały się analizą danych, na przykład w Excelu, i chcą rozwijać się w tym kierunku, jak i programiści języków innych niż Python, chcący poznać ten przyszłościowy, dynamicznie rozwijający się język. Materiał proponowany w ramach kursu jest także przeznaczony dla akademików wyspecjalizowanych w naukach ścisłych, którzy chcieliby nauczyć się przekładania równań na skuteczny kod. Wreszcie - szkolenie przyda się tym, którzy marzą o karierze na stanowisku Data Scientist (jedna z najpilniej poszukiwanych i jednocześnie najlepiej płatnych ról w IT). Wiedza oferowana w ramach kursu zapewni im odpowiedni punkt startowy - dalsza droga zawodowa będzie wymagała opanowania zaproponowanych zagadnień do perfekcji.
Co Cię czeka podczas naszego profesjonalnego szkolenia?
W trakcie tego kursu video opanujesz wiedzę, dzięki której:
- Stworzysz środowisko pracy i upewnisz się, jakie narzędzia będą Ci potrzebne.
- Poznasz język Python, nie tylko na poziomie składni, ale również pewnych przydatnych dla potrzeb kursu koncepcji.
- Zrozumiesz, na czym polega praca z danymi numerycznymi, tekstowymi i czasowymi.
- Dowiesz się, jak wykonuje się obliczenia numeryczne przy użyciu różnych technik.
- Będziesz w stanie dopasowywać, agregować i zestawiać dane.
Co więcej...
- Opanujesz kolejne etapy procesu analizy danych, od ich pozyskania, przez obróbkę, aż po wyciąganie wniosków.
Data science w Pythonie. Kurs video. Przetwarzanie i analiza danych został stworzony z myślą o „rozpędzeniu” Cię z poziomu zero do takiego, w którym będziesz potrafił skutecznie operować na całkiem sporych zasobach danych i wydobywać z nich informacje. Jednocześnie spory nacisk położono na pokazanie praktycznych aspektów pracy osoby na stanowisku analityka danych, ponieważ to teren, po którym często trzeba się poruszać, dysponując jedynie ogólnymi wskazówkami.
Kurs bardziej szczegółowo
Naszemu szkoleniu na początek będziesz musiał poświęcić co najmniej osiem godzin - tyle bowiem trwa nauka z ekspertem. W jej trakcie zapoznasz się z językiem Python jako narzędziem do zadań związanych z analizą danych. Używając biblioteki numpy, będziesz wykonywać obliczenia numeryczne, a stosując bibliotekę pandas - przekształcać zbiory danych. Zwizualizujesz je przy wykorzystaniu matplotlib, seaborn i pandas. Stworzysz własne środowisko pracy, zawierające konsolę, ipython, jupyter, jupyter lab i pip. Nauczysz się odnajdywania dokumentacji, korzystania z przykładów i ogólnego radzenia sobie z danymi. Zmierzysz się z równaniem matematycznym i jego przełożeniem na kod języka Python. Zaimplementujesz rozwiązania - zarówno z użyciem bibliotek, jak i w czystym Pythonie. Poznasz podstawy optymalizacji i czyszczenia danych, będziesz je przekształcać po to, by potwierdzić lub obalić konkretną hipotezę. Opanujesz metodykę korzystania z popularnych form reprezentacji danych statystycznych. Dokonasz także szeregu usprawnień związanych z wydajnością obliczeń (wektoryzacja, dobór typów danych itd.). W efekcie staniesz się początkującym, ale już samodzielnym analitykiem danych, przygotowanym zarówno na rozmowę kwalifikacyjną na przykład na stanowisko Junior Developera, jak i do usprawnienia swojej pracy - inżynierskiej, naukowej czy menedżerskiej.
O autorze
Oleg Żero - Data Scientist, który, jak to określa, lubi wydobywać z danych sens. Na co dzień dostarcza rozwiązania uczenia maszynowego wielkim graczom z branży e-commerce. Z wykształcenia jest inżynierem fotoniki i absolwentem Królewskiej Akademii Technicznej w Sztokholmie. Brał udział w wielu projektach natury badawczo-naukowej - w ujęciu akademickim, przemysłowym i start-upowym. Prywatnie mąż, ojciec, entuzjasta bliskich i dalekich podróży oraz miłośnik wszelkiej technologii garażowej własnej produkcji.
Z analizą danych jest jak z życiem: wszystko na koniec jest dobrze. Jeśli nie jest dobrze, znaczy, że nie jest to koniec.
Spis lekcji (odkodowane lekcje)
-
1. Zaczynamy pracę 37:49
-
2. Podstawy języka Python 1:29:18
- 2.1. Struktury danych - podstawowe jednostki 10:05
- 2.2. Struktury danych - iterable 9:08
- 2.3. Kontrola programu - pętle i warunki 8:54
- 2.4. Kontrola programu - funkcje 8:38
- 2.5. Kontrola programu - klasy 12:03
- 2.6. Błędy i komunikaty 6:03
- 2.7. Proste przekształcenia - działania: map, filter i reduce 8:04
- 2.8. Proste przekształcenia - moduł math 8:23
- 2.9. Proste przekształcenia - moduł string 9:44
- 2.10. Proste przekształcenia - moduł datetime 8:16
-
3. Zaawansowane koncepcje Pythona 1:12:05
- 3.1. Zaawansowane koncepcje - generatory 8:37
- 3.2. Zaawansowane koncepcje - context manager 11:05
- 3.3. Zaawansowane koncepcje - dekoratory 10:29
- 3.4. Budujemy wielomian - część 1 10:24
- 3.5. Budujemy wielomian - część 2 7:30
- 3.6. Budujemy wielomian - część 3 7:41
- 3.7. Budujemy wielomian - część 4 7:29
- 3.8. Budujemy wielomian - część 5 8:50
-
4. Obliczenia i biblioteka numpy 1:31:15
- 4.1. Tablice numpy 9:59
- 4.2. Tablice numpy - manipulacja kształtem i wymiarem 11:05
- 4.3. Podejście do obliczeń w numpy 4:24
- 4.4. Wektoryzacja obliczeń 7:44
- 4.5. Wektoryzacja wielomianu - część 1 8:30
- 4.6. Wektoryzacja wielomianu - część 2 5:47
- 4.7. Wektoryzacja wielomianu - część 3 7:16
- 4.8. Wektoryzacja wielomianu - część 4 5:14
- 4.9. Algorytm gradientu prostego i regresja - teoria 11:51
- 4.10. Algorytm gradientu prostego i regresja - implementacja 11:03
- 4.11. Porównanie bibliotek - numpy, scipy oraz sklearn 8:22
-
5. Przetwarzanie danych i biblioteka pandas 1:11:54
- 5.1. Czym jest pandas? 2:19
- 5.2. Pandas series 9:10
- 5.3. Pandas dataframe 9:30
- 5.4. Wybieranie elementów 10:28
- 5.5. Podstawowe przekształcenia w pandas 11:05
- 5.6. Zestawianie danych - concat, merge i join 10:10
- 5.7. Praca z tekstem i z czasem - akcesory str i dt 11:38
- 5.8. Agregacja danych i podwójne indeksy 7:34
-
6. Wizualizacja danych 57:05
- 6.1. Matplotlib - wizualizacja i przygotowanie warsztatu 5:44
- 6.2. Matplotlib - podstawowe wykresy i formatowanie 10:14
- 6.3. Matplotlib - wielokrotne wykresy 5:33
- 6.4. Matplotlib - zaawansowane formatowanie i typy wykresów 9:16
- 6.5. Seaborn - wizualizacja danych statystycznych 12:33
- 6.6. Seaborn - kolory, styl i palety 7:07
- 6.7. Wizualizacje w pandas 6:38
-
7. Analiza danych od początku do końca 1:05:56
Szczegóły kursu
- Ilość lekcji:
- 58
- Czas trwania:
- 8:05:22
- Format:
- Zip
- Rok nagrania:
- 2020-09-29
- ISBN :
- 978-83-283-7517-8, 9788328375178
- Data wydania :
- 2020-09-29
- Numer z katalogu:
- 123944
- Do kursu dołączone są materiały dodatkowe, znajdziesz je w Twojej Bibliotece
- Uwagi do kursu
- Kategorie:
Programowanie » Python
Big Data


Oceny i opinie klientów (2)
(1)
(0)
(1)
(0)
(0)
(0)
6 oceniona przez: Mateusz
4 oceniona przez: bez podpisu
więcej opinii