Wprowadzenie do data science w języku Python - Pandas
What you'll learn
- Instalacja oprogramowania Anaconda (Jupyter Notebook, Spyder, Jupyter Lab) i konfiguracja środowiska
- Tworzenie struktur danych takich jak Series i DataFrame
- Praca z wartościami brakującymi i duplikatami
- Importowanie i exportowanie danych (csv, excel, txt, html, sas7bdat)
- Łączenie danych - INNER, OUTER, LEFT, RIGHT JOIN
- Praca z danymi tekstowymi
- Operacje na strukturach danych (grupowanie, agregacja, tabele przestawne)
- Wykresy (liniowy, słupkowy, histogram)
- Szeregi Czasowe
- Porównanie do języka SQL
- 3 x Case Study (Amazon Reviews, Google Apps Data, NASDAQ)
Requirements
- ukończone kursy ze ścieżki Python Developer
- wolny czas i chęci do podjęcia kroku w stronę data science
- posiadam kursy, które mogą pomóc w zdobyciu wszystkich niezbędnych umiejętności wymaganych do tego kursu
Description
Planujesz swoją karierę w takich obszarach jak:
analiza danych
analiza biznesowa
data science
big data
sztuczna inteligencja (uczenie maszynowe, uczenie głębokie)
ekonomia
statystyka
analityka internetowa
marketing
neuroinformatyka
i wiele wiele innych?
Jeżeli odpowiedź na którekolwiek z tych pytań brzmi 'tak', to ten kurs jest idealnie przeznaczony dla Ciebie. Biblioteka Pandas języka Python to doskonałe narzędzie do pracy z danymi. Kurs zawiera wiele praktycznych zastosowań jakie oferuje Pandas.
Jeżeli możliwości programu MS Excel są niewystarczające na Twoje potrzeby to odpowiedzią jest właśnie biblioteka Pandas.
Czym jest biblioteka Pandas?
Pandas to biblioteka typu open source, co oznacza, że jej używanie jest w pełni darmowe! Co więcej możemy nawet zaglądać do kodu źródłowego i udoskonalać stosowane rozwiązania! Zapewnia wydajne i łatwe w użyciu narzędzia do analizy danych dla języka programowania Python.
Wzrost popularności języka Python
Język Python świetnie nadaje się do przetwarzania, przygotowania, analizy i modelowania danych. Jest prosty do nauki i nie powinien sprawiać problemów osobie, która dopiero zaczyna uczyć się programowania. Na przestrzeni ostatnich lat i rosnącej popularności sztucznej inteligencji Python wyrósł na gwiazdę w tym sektorze. Powstało sporo potężnych bibliotek do machine learningu, czy deep learningu. Przykładem może być stworzona przez Google biblioteka Tensorflow.
Wszechstronność Zastosowań
Języka Python możemy używać na bardzo wielu poziomach. Czy to u siebie w domu, w biurze, czy uruchamiając skrypty w chmurze. W połączeniu z mnogością zastosowań i doskonałym zestawem narzędzi takich jak Spyder, Jupyter Notebook, Zeppelin, IPython i innymi bibliotekami środowisko do analizy danych w Pythonie wyróżnia się wydajnością, produktywnością i doskonałą elastycznością.
Co między innymi zawiera Pandas:
szybki i wydajny obiekt DataFrame, który jest analogią do arkusza kalkulacyjnego
narzędzia do odczytu i zapisu danych pomiędzy różnymi formatami: CSV, TXT, XLSX, baz danych SQL, HDF5, JSON, HTML
narzędzie do agregacji danych i tabele przestawne
wydajne łączenie danych
hierarchiczne indeksowanie
szeregi czasowe
Who this course is for:
- dla programistów języka Python, którzy chcą poznać bibliotekę Pandas
- dla analityków danych
- dla data scientistów
- dla inżynierów uczenia maszynowego
Instructor
EN
Python Developer/Data Scientist/Stockbroker
Founder at e-smartdata[.]org.
Big fan of new technologies!
Graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science and Big Data specialization.
Graduate of MA studies in Financial and Actuarial Mathematics at the Faculty of Mathematics and Computer Science at the University of Lodz. Former PhD student at the faculty of mathematics.
Stockbroker license holder (no 3073).
Lecturer at the GPW Foundation (technical analysis, behavioral finance and portfolio management).
PL
Data Scientist, Securities Broker
Założyciel platformy e-smartdata[.]org
Miłośnik nowych technologii, szczególnie w obszarze sztucznej inteligencji, języka Python oraz rozwiązań chmurowych.
Absolwent podyplomowych studiów na Polsko-Japońskiej Akademii Technik Komputerowych na kierunku Informatyka, spec. Big Data.
Absolwent studiów magisterskich z matematyki finansowej i aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego.
Od 2015 roku posiadacz licencji Maklera Papierów Wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego (nr 3073).
Wykładowca w Fundacji GPW prowadzący szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych.
Z doświadczeniem w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką.
Główne obszary zainteresowań to język Python, sztuczna inteligencja, web development oraz rynki finansowe.
IG: e_smartdata