Eksploracja, wizualizacja i przygotowanie danych w Python – szybki start

online 3 dni

Zastosowanie: Nauki inne

Oprogramowanie: Python

Język: Polski

Częścią nieomal każdego projektu Data Science jest eksploracja danych w celu zapoznania się z ich strukturą, wykrycia problemów z jakością, a wynikom tabelarycznym zazwyczaj towarzyszą rozmaite wizualizacje. Na szkoleniu przedstawimy zarówno ogólne zasady eksploracji i wizualizacji danych, jak i sposób wykonywania ich w środowisku Python.

Uwaga szkolenie zakłada podstawową znajomość ekosystemu data science Python: zdecydowanie zalecamy wcześniejszy udział w szkoleniu „Data Science w Python – szybki start”

Dla kogo?

Osób, które chcą zostać mistrzami danych (data scientistami), a znają już podstawy ekosystemu Data Science Python
Badaczy z różnych dziedzin pragnących pogłębić swoją wiedzę w dziedzinie przygotowania danych, wstępnego ich badania i wizualizacji
Analityków, chcących wyjść poza podstawowe techniki wizualizacji i podsumowania danych

Co zyskasz?

Umiejętność wykrywania problemów z jakością danych i radzenia sobie z nimi
Wiedzę jak pokazywać i badać rozmaite aspekty danych za pomocą wykresów
Umiejętność przygotowania danych do analiz w środowisku Python

Zapisz się

Zarezerwuj / Zapytaj

Program
Prowadzący
Informacje organizacyjne
Ceny

Program szkolenia:

Biblioteki do eksploracji i wizualizacji danych – przegląd
- Numpy
- Pandas
- Matplotlib i Seaborn
Wczytywanie danych i trwały zapis obiektów
- Dane tabelaryczne
- JSON
- Zapis obiektów Python
Jakość danych – przegląd
Zasady dobrej wizualizacji danych
Podsumowanie rozkładu zmiennych
- Histogram i KDE
- Wykres ramka wąsy (ang. box-whiskers plot)i pochodne
Badanie związków miedzy zmiennymi za pomocą wykresów i podsumowań
- Wykres rozrzutu
- Wykres macierzowy (pairplot>)
- Wizualizacja dla zmiennych jakościowych (catplot)
Wykresy przebiegu
Estetyka wykresów
Wykrywanie problemów z jakością danych i usuwanie ich
Łączenie danych z różnych źródeł
Zmiana układu danych
Agregacja danych i analizy w grupach
Inżynieria cech

Polecamy inne szkolenia:

Uczenie maszynowe w Python – szybki start
Wykrywanie anomalii w procesach z wykorzystaniem uczenia maszyn (machine learning)
Prognozowanie metodami uczenia maszynowego w Python
Data Scence w Python – szybki start

[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.
Podstawowa znajomość ekosystemu Data Science Python
Umiejętność posługiwania się JupyerLab
Znajomość podstaw statystyki praktycznej, pojęć takich jak średnia, mediana, rozkład, współczynnik korelacji
Rozumienie pojęć macierz, wektor itp.

Zdecydowanie zalecamy wcześniejszy udział w szkoleniu „Data Scence w Python – szybki start”. Osoby które nie brały udziały w tym szkoleniu będziemy prosić o wypełnienie testu kwalifikacyjnego.

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

W razie potrzeby pomagamy w instalacji wymaganego oprogramowania.

Cena regularna: 3 195 zł

Cena dla akademickich użytkowników Statistica (-20%)*: 2 556 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

Analizy wielowymiarowe

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

Dowiedz się więcej

Analizy chemometryczne w Statistica – kurs podstawowy

Po wprowadzeniu teoretycznym do zagadnienia analizy danych uczestnicy poznają techniki planowania i wykonania eksperymentu. Zostaną omówione podstawowe techniki analizy chemometrycznej: analiza podobieństwa (analiza […]

Dowiedz się więcej

Sztuczna inteligencja – podstawy i zastosowania

Szkolenie polecamy wszystkim, którzy chcą poznać podstawy sztucznej inteligencji (AI), nauczyć się efektywnego korzystania z jej narzędzi oraz zrozumieć jej zastosowania w życiu codziennym […]

Dowiedz się więcej