Wprowadzenie do data science w języku Python - Pandas - 2021
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)
Course content
- Preview01:26
- 00:11Wymagania
- 19:24Czym jest data science?
- 02:13Wybór odpowiedniego środowiska programistycznego
- 07:27Zarządzanie Środowiskami
- 02:37Korzystanie z Dokumentacji
- 01:54Github - Repozytorium Kursu
Requirements
- ukończony kurs Programowanie w języku Python - od A do Z
- ukończony kurs 200+ Ćwiczeń - Programowanie w języku Python
- ukończony kurs 210+ Ćwiczeń - Python - Moduły wbudowane
- ukończony kurs Programowanie obiektowe w języku Python - OOP - od A do Z
- ukończony kurs 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- wolny czas i chęci do podjęcia kroku w stronę data science
Description
---------------------------------------------------------
REKOMENDOWANE ŚCIEŻKI UCZENIA
---------------------------------------------------------
PYTHON DEVELOPER:
Programowanie w języku Python - od A do Z
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
SQL DEVELOPER:
SQL Bootcamp - Bazy danych SQLite - Part I
SQL Bootcamp - Bazy danych SQLite - Part II
SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia
SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia
Big Data: Analiza danych przy użyciu SQL oraz BigQuery
DATA SCIENTIST / MACHINE LEARNING ENGINEER:
Programowanie w języku Python - od A do Z
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Data Science Bootcamp w języku Python - od A do Z
250+ Ćwiczeń - Data Science Bootcamp w języku Python
SQL Bootcamp - Bazy danych SQLite - Part I
SQL Bootcamp - Bazy danych SQLite - Part II
SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia
SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia
Machine Learning Bootcamp w języku Python cz.I - od A do Z
Machine Learning Bootcamp w języku Python cz.II - od A do Z
Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
DATA SCIENTIST / DEEP LEARNING ENGINEER
Programowanie w języku Python - od A do Z
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Data Science Bootcamp w języku Python - od A do Z
250+ Ćwiczeń - Data Science Bootcamp w języku Python
SQL Bootcamp - Bazy danych SQLite - Part I
SQL Bootcamp - Bazy danych SQLite - Part II
SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia
SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia
Machine Learning Bootcamp w języku Python cz.I - od A do Z
Machine Learning Bootcamp w języku Python cz.II - od A do Z
Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras
Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
Artificial Intelligence – Computer Vision w języku Python
BI ANALYST / DATA ANALYST:
Programowanie w języku Python - od A do Z
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Twórz nowoczesne aplikacje webowe w Pythonie - Dash, Plotly
Data Science Bootcamp w języku Python - od A do Z
250+ Ćwiczeń - Data Science Bootcamp w języku Python
SQL Bootcamp - Bazy danych SQLite - Part I
SQL Bootcamp - Bazy danych SQLite - Part II
SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia
SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia
BIG DATA ANALYST:
Programowanie w języku Python - od A do Z
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Big Data, Hadoop oraz MapReduce w języku Python
Big Data: Analiza danych przy użyciu SQL oraz BigQuery
ENG:
200+ Exercises - Programming in Python - from A to Z
210+ Exercises - Python Standard Libraries - from A to Z
150+ Exercises - Object Oriented Programming in Python - OOP
100+ Exercises - Unit tests in Python - unittest framework
100+ Exercises - Python Programming - Data Science - NumPy
100+ Exercises - Python Programming - Data Science - Pandas
100+ Exercises - Python - Data Science - scikit-learn
250+ Exercises - Data Science Bootcamp in Python
SQL Bootcamp - Hands-On Exercises - SQLite - Part I
SQL Bootcamp - Hands-On Exercises - SQLite - Part II
-------------------
OPIS KURSU
-------------------
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:
- Kurs przeznaczony jest dla początkujących programistów Pythona, analityków danych, data scientistów, czy osób, które interesują się machine learningiem i chcą poznać podstawowy zbiór narzędzi.
Instructor
![Paweł Krakowiak](data:image/svg+xml,%3Csvg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 64 64"%3E%3C/svg%3E){kind=avatar}
- 4.6 Instructor Rating
- 1,946 Reviews
- 96,128 Students
- 44 Courses
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.