PYTHON

Obsah našich prezenčních kurzů:
  • 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