Data Science w Python – szybki start

online 2 dni

Software: Python | Level: Beginner/Entry-level | Language: Polish

Data science to dziedzina łącząca w sobie informatykę, statystykę, uczenie maszynowe i praktyczną umiejętność rozwiązywania problemów ze świata rzeczywistego (wiedzę domenową). Umiejętności data science są bardzo poszukiwane i cenne na rynku. Szkolenie ma umożliwić jego uczestnikom zapoznanie się z data science, zrozumienie jego podstaw i praktyczne rozwiązywanie zadań data science w środowisku Python – najpopularniejszym ekosystemie data science. Szkolenie może stanowić pierwszy krok na drodze do zastania mistrzem danych (ang. data scientist) – a stanowisko to zostało nazwane najseksowniejszą pracą w XXI wieku!

Dla kogo?

Osób które chcą zostać mistrzami danych (data scientistami)
Badaczy z różnych dziedzin pragnących samodzielnie wykonywać analizę danych
Analityków biznesowych, chcących rozszerzyć swoje kompetencje i pogłębić wykonywane analizy
Osób pragnących dowiedzieć się na czym w praktyce polega data science

Co zyskasz?

Podstawowe kompetencje w dziedzinie data science
Praktyczną wiedzę jak korzystać z danych i operować na nich
Orientację w ekosystemie Data Science Python
Nowe możliwości rozwoju zawodowego i osobistego

Sign up

Book / Enquire

Program
Speaker
Organizational information
Prices

Program szkolenia:

Data science – wprowadzenie
Podstawy języka Python w analizie danych
- Środowisko Python do data science
- Praca z Jupyter Notebook
- Wsparcie sztucznej inteligencji: Jupyter AI, Copilot, Anaconda Assistant
- Konwencje składniowe Python
- Typy obiektów
- Unpacking i zip
- Funkcje i generatory
Podstawy biblioteki Numpy
Podstawy biblioteki Pandas
Podstawy statystyki praktycznej
- Rozkład i statystyki opisowe
- Testy istotności
- Korelacja
Podstawowe wykresy
- Wprowadzenie do bibliotek matplotlib i seaborn
- Histogram
- Wykres rozrzutu
- Wykres ramka-wąsy i jego rozwinięcia
Podstawowe techniki analityczne
- Problem regresji a problem klasyfikacji
- Regresja liniowa jako przykład problemu regresji
- Regresja logistyczna jako przykład problemu klasyfikacji
Wprowadzenie do biblioteki Scikit-learn
- Regresja liniowa w module Scikit-learn
- Regresja logistyczna w module Scikit-learn

Polecamy inne szkolenia:

Uczelnie maszynowe w Python – szybki start
Eksploracja, wizualizacja i przygotowanie danych w Python – szybki start
Wykrywanie anomalii w procesach z wykorzystaniem uczenia maszyn (machine learning)
Prognozowanie metodami uczenia maszynowego w Python

[PL] Tomasz Demski w jasnoniebieskiej koszuli, ze skrzyżowanymi ramionami, na których widoczny jest zegarek. [EN] Tomasz Demski in a light blue shirt, with crossed arms, on which a watch is visible.

Tomasz Demski

He specializes in the application of data analysis in industry and machine learning. He has worked at StatSoft since 1995. He has participated in and led numerous projects on SPC implementation, process outcome prediction, and forecasting. He conducts the following trainings:
• Data Mining – Basic Course,
• Data Mining – Predictive Methods,
• Data Science in Python – Quick Start,
• Forecasting Using Machine Learning Methods in Python,
• Data Preparation for Analysis and Reporting,
• SPC – Control Charts and Process Capability Analysis,
• Statistica – A Quick Start (in English),
• Statistics and Machine Learning for Technologists and Process Engineers,
• Statistics in Quality – Basic Course,
• Machine Learning in Python – Quick Start,
• Anomaly Detection in Processes Using Machine Learning.
He has over 20 years of experience in data analysis training. In the past 3 years, he has conducted over 200 hours of courses.
Master’s degree, Jagiellonian University, Faculty of Mathematics and Physics; postgraduate studies in Data Engineering – Big Data, Warsaw School of Economics.

Kurs odbywa się online.

Wymagania:

Znajomość obsługi komputera w środowisku Windows, Linux, MacOs.
Wcześniejsza styczność z jakimkolwiek językiem programowania.
Rozumienie pojęć macierz, wektor itp.

Wymagania sprzętowe i oprogramowanie:

Zainstalowane środowisko Anaconda lub Miniconda
Komputer z aktualnym systemem Windows, Linux, Mac OS (spełniający wymogi Anaconda/Miniconda)
8 GB RAM
procesorem Intel Core i5 6 generacji lub szybszy
W przypadku szkoleń on-line komputer umożliwiający dostęp do platformy szkoleniowej

Cena regularna: 2 695 zł

Cena dla akademickich użytkowników Statistica (-20%)*: 2 156 zł

*-20% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska

Podane ceny są cenami netto i należy do nich doliczyć podatek VAT. Ceny mogą ulec zmianie.

Similar courses

Sieci neuronowe

Podczas szkolenia prezentowane są wszystkie najważniejsze architektury sieci neuronowych i metody ich uczenia. Uczestnicy zapoznają się z modułem Automatyczne Sieci Neuronowe programu Statistica i […]

Learn more

Analizy wielowymiarowe w Python

Podczas kursu zaprezentowane zostaną najpopularniejsze metody wielowymiarowe, które znajdują zastosowanie w analizie zjawisk złożonych, opisanych za pomocą dużej liczby zmiennych. […]

Learn more

Wizualizacja danych w Statistica

Uczestnicy szkolenia poznają różnorodne graficzne metody przedstawiania i eksploracji danych surowych, sprawdzania założeń metod analitycznych oraz czytelnej prezentacji wyników przeprowadzonych […]

Learn more