Data Science w Python – szybki start

online 2 dni

Zastosowanie: Nauki inne

Oprogramowanie: Python

Język: Polski

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

Zapisz się

Zarezerwuj / Zapytaj

Program
Prowadzący
Informacje organizacyjne
Ceny

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

Specjalizuje się w zastosowaniach analizy danych w przemyśle, uczeniu maszynowym. Pracownik StatSoft od 1995 roku. Brał udział i kierował wieloma projektami dotyczącymi wdrożenia SPC, przewidywania wyniku procesu, prognozowania. Prowadzi szkolenia: Data mining – kurs podstawowy, Data mining – metody predykcyjne, Data Science w Python – szybki start, Prognozowanie metodami uczenia maszynowego w Python, Przygotowanie danych na potrzeby analiz i raportowania, SPC – karty kontrolne i analiza zdolności procesu, Statistica – A quick start (w języku angielskim), Statystyka i uczenie maszynowe dla technologów i inżynierów procesu, Statystyka w jakości – kurs podstawowy, Uczenie maszynowe w Python – szybki start, Wykrywanie anomalii w procesach z wykorzystaniem uczenia maszyn (machine learning). Ma ponad 20-letnie doświadczenie w prowadzeniu szkoleń z analizy danych. W ostatnich 3 latach przeprowadził ponad 200 godzin kursów.
Magister, Uniwersytet Jagielloński, Wydział Matematyki i Fizyki, studia podyplomowe Inżynieria danych – Big Data Szkoła Głowna Handlowa.

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.

Podobne szkolenia

Analiza logarytmiczno-liniowa

Celem kursu jest zaznajomienie uczestników z modelami i metodami wnioskowania statystycznego stosowanymi w analizie danych jakościowych. Zagadnieniami omawianymi podczas kursu są zarówno problemy wyboru […]

Dowiedz się więcej

Time Series Analysis and Forecasting

The course is for those who would like to learn basic and advanced methods of time series analysis and forecasting. The […]

Dowiedz się więcej

Prognozowanie i analiza szeregów czasowych

Szkolenie dla osób, które chcą poznać podstawowe i zaawansowane techniki prognozowania i analizy szeregów czasowych. Uczestnicy poznają podstawowe pojęcia (proces stochastyczny, składniki […]

Dowiedz się więcej