Python for Data Analysis

• Programming doświadczenie w dowolnym języku

Publiczność

• Deweloperzy
• Początkujący analitycy danych
• Business analiza z umiejętnościami technicznymi

Twoja firma chce uzyskać wgląd w dane gromadzone przez lata. Masz jednak do wyboru nieskończoną liczbę narzędzi i podejść, aby to zrobić. Istnieją przyjazne dla użytkownika narzędzia interfejsu użytkownika, takie jak PowerBi, narzędzia wiersza poleceń zaplecza, takie jak SQL, oraz wszechstronne języki programowania, takie jak Python i R.

Ten kurs wybiera najpotężniejsze i najbardziej elastyczne narzędzie do tego zadania: Python.

Python jest czytelnym językiem programowania. Oferuje coś, czego większość innych rozwiązań nie potrafi: elastyczność i zdolność adaptacji. Po początkowej inwestycji w naukę Python, można go używać do manipulowania i wizualizacji danych w sposób, który byłby trudny i czasochłonny w innych narzędziach.

To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla osób, które chcą nauczyć się wystarczająco dużo Python, aby rozpocząć obliczanie liczb z danych sprzedażowych, analiz ruchu, interakcji z klientami itp.

Szkolenie ma na celu poprawę uczenia się, retencji i praktycznej praktyki. Łącząc różne podejścia do nauki, takie jak nauka online, interakcja w klasie na żywo, uczenie się od rówieśników i programowanie w parach, szkolenie to ma na celu zmaksymalizowanie efektu każdej lekcji. Wzmacnia wyuczone koncepcje poprzez połączenie nauki wstępnej, interaktywnej i końcowej, a jednocześnie zawiera element społeczny, który sprawia, że kurs jest zabawny i wciągający. Szkolenie podzielone jest na trzy części:

• Pre-course
• In-course
• Post-course

Szkolenie to różni się od nauki online tym, że kładzie nacisk na interakcję na żywo z trenerem. Różni się również od tradycyjnej klasy, ponieważ obejmuje naukę offline i samodzielną praktykę.

Unikalnym aspektem szkoleń NobleProg jest podejście do nauki polegające na "programowaniu w parach". Programowanie w parach pozwala dwóm lub więcej osobom na wspólne rozwiązywanie trudnych i prowokujących do myślenia problemów na tej samej maszynie. Podejście to okazało się być potężnym i skutecznym sposobem nauczania i uczenia się. NobleProg umożliwia to dzięki swojej platformie edukacyjnej DaDesktop. DaDesktop zapewnia przestrzeń współpracy dla uczestników i instruktorów do dzielenia się i interakcji z innymi maszynami w czasie rzeczywistym. Wideokonferencje i możliwość nagrywania lekcji to tylko niektóre z funkcji zawartych w DaDesktop w ramach tego szkolenia.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zainstalować i skonfigurować niezbędne oprogramowanie, biblioteki i środowisko programistyczne, aby rozpocząć pisanie wystarczającej ilości kodu Python do analizy danych.
• Analizować dane z takich źródeł jak Excel, pliki CSV, JSON i bazy danych.
• Czyścić dane, aby poprawić ich użyteczność przed analizą.
• Wykonować prostą analizę statystyczną.
• Generować raporty, które prezentują pożądane dane w odpowiednim formacie, od samych liczb po wykresy, grafy i tabele.
• Uzyskać cenne informacje z danych, w tym trendy w wydajności i obszary problemowe, aby podejmować lepsze decyzje biznesowe.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczna implementacja w środowisku live-lab.

Opcje dostosowywania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt w celu ustalenia szczegółów.

Wprowadzenie

• Przegląd Python i jego potężnego ekosystemu dla Data Analysis

Pierwsze kroki

• Konfiguracja środowiska programistycznego
• Instalacja Python, Numpy i Pandas
• Instalacja Jupyter

Python Programming dla Data Analysis

• Przegląd składni Python
• Pisanie i uruchamianie kodu Python

Praca z danymi

• Importowanie zbioru danych
• Czyszczenie danych

Ramka danych Python

• Zrozumienie ramek danych
• Manipulowanie danymi w ramce danych

Uzyskiwanie wglądu w dane

• Podsumowywanie danych
• Generowanie raportów
• Wizualizacja danych

Zapisywanie kodu Python

• Zapisywanie kodu w repozytorium kontroli wersji
• Umożliwienie innym dostępu do kodu

Ulepszanie kodu

• Testowanie kodu i naprawianie błędów
• Udoskonalanie kodu za pomocą podejścia iteracyjnego

Przeniesienie kodu do produkcji

• Przesyłanie kodu na stronę internetową
• Automatyzacja wykonywania kodu

Python Programming Najlepsze praktyki

Podsumowanie i wnioski