Python in Data Science

• Zrozumienie struktury danych.
• Doświadczenie z Programming.

Publiczność

• Programiści
• Naukowcy danych
• Inżynierowie

Szkolenie pomoże uczestnikom przygotować się do tworzenia aplikacji internetowych przy użyciu Python Programming with Data Analytics. Taka wizualizacja danych jest doskonałym narzędziem dla najwyższego kierownictwa w podejmowaniu decyzji.

Dzień 1

1. Data Science
2. Data Science Skład zespołu (naukowiec ds. danych, inżynier ds. danych, wizualizator danych, właściciel procesu)
3. Business Intelligence
   1. Rodzaje Business Intelligence
   2. Business Intelligence Narzędzia Business Intelligence
   3. Business Intelligence i Data Visualization
4. Data Visualization
   1. Znaczenie Data Visualization
   2. Wizualna prezentacja danych
   3. Narzędzia Data Visualization (infografiki, tarcze i mierniki, mapy geograficzne, linie iskrzenia, mapy cieplne oraz szczegółowe wykresy słupkowe, kołowe i gorączkowe)
   4. Malowanie liczbami i zabawa kolorami w tworzeniu opowieści wizualnych
5. Aktywność

Dzień 2

1. Data Visualization w Python Programming
   1. Data Science z Python
   2. Przegląd Python Podstawy

1. Zmienne i typy danych (str, numeryczne, sekwencje, mapowanie, typy zbiorów, logiczne, binarne, rzutowanie)
2. Operatory, listy, krotki. Zbiory, słowniki
3. Instrukcje warunkowe
4. Funkcje, Lambda, Tablice, Klasy, Obiekty, Dziedziczenie, Iteratory
5. Zakres, moduły, daty, JSON, RegEx, PIP
6. Try / Except, wprowadzanie poleceń, formatowanie ciągów znaków
7. Obsługa plików

2. Aktywność

Dzień 3

1. Python i MySQL

1. Tworzenie Database i tabeli
2. Manipulowanie Database (wstawianie, wybieranie, aktualizowanie, usuwanie, instrukcja where, porządkowanie według)
3. Upuszczanie tabeli
4. Limit
5. Łączenie tabel
6. Usuwanie duplikatów list
7. Odwracanie ciągu znaków

2. Data Visualization z Python i MySQL
   1. Korzystanie z Matplotlib (podstawowe wykresy)
   2. Słowniki i Pandas
   3. Logika, przepływ sterowania i filtrowanie
   4. Manipulowanie właściwościami wykresów (czcionka, rozmiar, schemat kolorów)
3. Aktywność

Dzień 4

1. Wykreślanie danych w różnych formatach wykresów
   • Histogram
   • Linia
   • Słupkowy
   • Wykres pudełkowy
   • Wykres kołowy
   • Pączek
   • Wykres punktowy
   • Radar
   • Obszar
   • Wykres gęstości 2D/3D
   • Dendogram
   • Mapa (Bubble, ciepło)
   • Wykres skumulowany
   • Diagram Venna
   • Seaborn
2. Aktywność

Dzień 5

1. Data Visualization z Python i MySQL
   1. Praca grupowa: Utwórz prezentację Top Management Data Visualization przy użyciu lokalnych danych ULIMS ITDI
   2. Prezentacja wyników