Podstawy analizy danych w Pythonie

Sprawdź również: Zaawansowana analiza danych w języku Python oraz Wprowadzenie do uczenia maszynowego

Kurs realizowany jest w języku Python w środowisku PyCharm. Główną oś szkolenia stanowią dwa pakiety do operacji na danych – NumPy oraz pandas. Uczestnicy dowiedzą się ponadto, w jaki sposób przygotować dane, aby mogły służyć do budowy modeli predykcyjnych oraz poznają podstawowe techniki ich wizualizacji.

Dla kogo?

Szkolenie przeznaczone jest dla osób chcących zdobyć, ugruntować lub wzbogacić swoją wiedzę z zakresu analizy danych.

Cele i korzyści

Dzięki udziałowi w szkoleniu uczestnicy:

Poznają dwa pakiety do operacji na danych – NumPy oraz pandas
Dowiedzą się, w jaki sposób przygotować dane, aby mogły służyć do budowy modeli predykcyjnych
Poznają podstawowe techniki wizualizacji danych

Oczekiwana wiedza wstępna:

Język Python na poziomie podstawowym

Program

Przypomnienie podstaw języka Python

Tworzenie nowego projektu w środowisku PyCharm
Przegląd podstawowej funkcjonalności środowiska
Import bibliotek
Identyfikatory
Konwencje nazewnicze
Linie i wcięcia
Komentarze
Zmienne
Operatory arytmetyczne
Wbudowane funkcje
Instrukcje warunkowe
Pętle
Listy, wyrażenia listowe
Krotki
Słowniki

Wprowadzenie do analizy danych

Podstawowe statystyki
Typy danych
Problemy z danymi

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

Trenerzy

Stanisław Kaźmierczak - asystent i doktorant Politechniki Warszawskiej w obszarze uczenia maszynowego/data science. Prowadzi zajęcia i szkolenia z obszaru analizy danych, sieci neuronowych, głębokiego uczenia oraz szeroko rozumianej sztucznej inteligencji.