PYTHON

• Úvod do jazyka PYTHON pro datovou vědu - prezenční kurz
  
• Příprava dat v PYTHONu - knihovny Numpy, Pandas, Matplotlib - prezenční kurz
  

Úvod do jazyka PYTHON pro datovou vědu - prezenční kurz 

Kontakt:                              education@elderberrydata.com 

Délka kurzu:                       8 hodin 

Pro koho je kurz určen:     pro analytiky - začátečníky a mírně pokročilé v jazyce PYTHON, se zájmem o další vzdělávání na poli datové vědy 

Předpokládané znalosti:   počítačová gramotnost, analytické zkušenosti výhodou 

Co se v kurzu naučíte:       

• základy jazyka PYTHON 
• porozumět logice středně složitých skriptů v PYTHONU a umět je upravit, rozšířit, i napsat svoje 
• práci v interaktivním prostředí Jupyter Notebooku 
• povědomí o tom, jakým směrem se na poli datové vědy dále vzdělávat 
  

Doplňkové informace:       účastníci kurzu obdrží i jeho on-line verzi (výuková videa v češtině, všechny pracovní materiály, přístup "doživotně", pro webová a mobilní prostředí) 

Obsah kurzu 

Část 1    Seznámení s prostředím a základy PYTHONu od nuly 

• Seznámení s Jupyter Notebookem a distribucí Anaconda 
  
• Základní operace v jazyce Python Matematické operace, závorky, umocňování, modulo 
• Intermezzo: Efektivní práce s Jupyter Notebookem 
• Základní datové typy - řetězce a seznamy, slovníky a tuple
• Porovnání hodnot a logické operátory 
• Větvení programu - podmínky if - elif - else 
• Praktické cvičení 1 
  

Část 2   Užitečné funkce, cykly, základní operace s řetězci 

• Užitečné funkce - type, len, range, sum, max, min, operátor in, zip, třídění 
• Operace s řetězci - provádění konverzí, replace, split 
• Cykly - cyklus for, cyklus while 
• Datový typ set 
• Problematika kopírování vs. klonování (proměnných, seznamů) 
• Definování a používání vlastních funkcí 
• Praktické cvičení 2 

Část 3   Základní práce se soubory, ošetření běhu programu, moduly PYTHONu 

• Klasická práce se soubory - open, close, read, append, write, tell, read 
• Práce se soubory pomocí "with" - read, append, write, rstrip, splitline 
• Ošetření chyb běhu programu - try, except, else 
• Vybrané základními moduly Pythonu - math, os, csv, unicodedata 
• Modul re a regulární výrazy 
• TOP moduly pro datovou vědu - Numpy, Pandas, SciKitLea, Matplotlib,... 
• Praktické cvičení 3

 Část 4   Inspirace pro další kroky na poli datové vědy 

• Velké moduly pro datovou vědu 
• Webové platformy pro datovou vědu 
  

Závěr kurzu - jak pokračovat

Příprava dat v PYTHONu - knihovny Numpy, Pandas, Matplotlib- prezenční kurz 

Kontakt:                              education@elderberrydata.com 

Délka kurzu:                       8 hodin 

Pro koho je kurz určen:     pro analytiky - středně pokročilé v jazyce PYTHON, se zájmem o další vzdělávání na poli datové vědy 

Předpokládané znalosti:    základy jazyka PYTHON, analytické zkušenosti 

Co se v kurzu naučíte:       

• jak efektivně používat nástroje z hlavních knihoven pro datovou vědu  
• jak připravit vaše data jak vaše data analyzovat pomocí vybraných funkcí a metod 
• jak vizualizovat vaše data 
• povědomí o tom, jakým směrem se na poli datové vědy dále vzdělávat

Doplňkové informace:      účastníci kurzu obdrží i jeho on-line verzi (výuková videa v češtině, všechny pracovní materiály, přístup "doživotně", pro webová a mobilní prostředí)).

Během kurzu je k dispozici občerstvení (káva, minerálka) a oběd v kantýně Nostress, která je součástí komplexu 

Obsah kurzu 

Část 1   Opakování - Jupyter Notebook 

• Seznámení s Jupyter Notebookem a distribucí Anaconda 
• Efektivní práce s Jupyter Notebookem 
• Praktické cvičení 1 - Efektivní práce s Jupyter Notebookem 

Část 2   Knihovna Numpy 

• Numpy as np 
• Datový typ Numpy Array - co to je 
• Porovnání Numpy a seznamů 
• Základní operace a funkce pro Numpy Array 
• Praktické cvičení 2 
• Numpy a lineární algebra (operace s vektory a maticemi) 
• Příklady použití funkcí a metod Numpy v datové vědě 
• Praktické cvičení 3 

Část 3   Knihovna Pandas 

• Datový typ Pandas Series - co to je 
• Základní operace s Pandas Series 
• Praktické cvičení 4 
• Datový typ Pandas DataFrame - co to je 
• Základní operace s Pandas DataFrame 
• Praktické cvičení 5 
• Základní funkce a metody knihovny Pandas 
• Příklady použití funkcí a metod Pandas v datové vědě 
• Praktické cvičení 6 

Část 4   Knihovna Matplotlib 

• Vizualizace dat v Matplotlib 
• Základní typy grafů 
• Klasický vs. Objektový přístup 
• Vícenásobné a vložené grafy 
• Ladění výstupu 
• Příklady použití funkcí a metod Matplotlib v datové vědě 
• Praktické cvičení 6 
• Další možnosti vizualizace pomocí knihovny Seaborn 

Část 5   Inspirace pro další kroky na poli datové vědy 

• Další moduly pro datovou vědu 
• Webové platformy pro datovou vědu 

Závěr kurzu - jak pokračovat, strojové učení v PYTHONu