Kurs Python zaawansowany: automatyzacja, skrypty i optymalizacja procesów

1. Środowisko – instalacja i konfiguracja

• środowisko wirtualne, 
• środowisko zintegrowane.

2. Instrukcje języka

• przypisania,
• pętle,
• konstrukcje językowe – właściwości.

3. Funkcje

• agumenty,
• przekazywanie oraz zwracanie parametrów z i do funkcji,
• implikacje,
• funkcje parametryzowalne,
• przestrzenie nazw w modułach.

4. Typy

• zmienne i wartości,
• liczby int i float,
• operacje arytmetyczne,
• string.

5. Instrukcje warunkowe

• If,
• operatory logiczne,
• wartości – porównanie.

6. Pętle

• While,
• Break,
• Continue,
• For.

7. Klasy

• co to jest klasa,
• tworzenie,
• atrybuty klasy,
• dziedziczenie.

8. Techniki w języku Python

• jak używać modułów,
• definiowanie modułu,
• błędy i wyjątki.

9. Biblioteka

• elementy biblioteki standardowej,
• zastosowanie,
• moduły dodatkowe – zastosowanie.

10. Moduły

• wstęp,
• podział na moduły,
• ładowanie na żądanie,
• implikacje.

11. Prezentacja danych

• wprowadzenie do Pandas – przetwarzanie danych w tabelach (DataFrame, Serie),
• NumPy – manipulacja danymi numerycznymi (tablice wielowymiarowe),
• Scikit-Learn – analiza danych z użyciem algorytmów uczenia maszynowego.

12. Obliczenia w Pyhtonie

• środowisko obliczeniowe,
• interpreter,
• tworzenie tablic,
• obliczenia symboliczne.

13. Wykresy i wizualizacje

• typy wykresów,
• parametry linii,
• legendy,
• Matplotlib – tworzenie wykresów z użyciem danych z Pandas i NumPy.

14. Rozwiązywanie równań

• układy równań,
• równania liniowe i nieliniowe.

15. Analiza danych

• import/eksport,
• konfigurowanie biblioteki,
• typt danych,
• Serie i DataFrame oraz operacje na nich,
• Pandas – operacje na seriach i DataFrame (łączenie, filtrowanie, przekształcanie).

16. Analiza numeryczna

• import/eksport,
• tablice – definiowanie,
• atrybuty tablic,
• dane i manipulacja nimi,
• wielomiany,
• statystyka i arytmetyka,
• NumPy – szybkie operacje matematyczne na tablicach.

17. Narzędzia do pracy z danymi

• import/eksport,
• dane tabelaryczne,
• dane – przetwarzanie, oczyszczanie,
• Pandas – oczyszczanie i przetwarzanie danych.

18. Wizualizacja i raportowanie

• wykresy – rodzaje,
• biblioteki wizualizacji danych,
• automatyzacja raportowania,
• dobre praktyki,
• Matplotlib – zaawansowane techniki wizualizacji danych.

19. Rodzaje danych – analiza

• finansowe,
• marketingowe,
• demograficzne,
• geograficzne.

20. Generowanie PDF

• tworzenie raportów z analiz danych przy użyciu Pandas i Matplotlib.