icon icon

Kurs Python - kompleksowa analiza danych w Pythonie z wykorzystaniem bibliotek Pandas, NumPy, Matplotlib i Scikit-Learn

icon

Proces szkoleniowy

Analiza potrzeb szkoleniowych

Jeśli masz życzenie dotyczące programu szkolenia, przeprowadzimy dla Ciebie analizę potrzeb szkoleniowych, która będzie wskazówką dla nas, na jakie aspekty programu położyć większy nacisk – tak, by program szkolenia spełniał konkretne potrzeby.

Co zyskujesz?

icon

Samodzielna praca w Pythonie - Nauczysz się instalować Python i sprawnie pracować w środowisku IDLE, dzięki czemu samodzielnie uruchomisz skrypty, poprawisz błędy i zorganizujesz własne ćwiczenia.

icon

Pewne podstawy programowania - Uporządkujesz składnię języka, typy danych, operatory i sterowanie programem, więc zaczniesz pisać czytelny kod, który wykonuje obliczenia i reaguje na dane użytkownika.

icon

Sprawne przetwarzanie danych wejściowych - Przećwiczysz pobieranie danych funkcją input(), konwersję typów i obsługę wyjątków, dlatego lepiej przygotujesz skrypty do pracy z różnymi danymi i błędnymi wpisami.

icon

Swoboda pracy na strukturach danych - Opanujesz listy, krotki, zbiory, słowniki i łańcuchy znaków, więc szybciej uporządkujesz dane, wybierzesz właściwą strukturę i wykonasz typowe operacje bez zbędnych obejść.

icon

Analiza danych w Pandas - Nauczysz się ładować, filtrować i modyfikować dane w Pandas, dzięki czemu przygotujesz tabele do analizy, wychwycisz istotne informacje i przyspieszysz codzienną pracę na danych.

icon

Obliczenia z NumPy - Poznasz tablice wielowymiarowe i podstawowe operacje matematyczne w NumPy, więc sprawniej wykonasz obliczenia na większych zbiorach danych niż przy użyciu zwykłych list Pythona.

icon

Czytelna wizualizacja wyników - Stworzysz wykresy liniowe, słupkowe i kołowe w Matplotlib oraz nauczysz się je opisywać, dlatego łatwiej pokażesz wnioski z analizy i przygotujesz bardziej zrozumiałe raporty.

icon

Pierwsze modele uczenia maszynowego - Przećwiczysz klasyfikację, regresję oraz ocenę skuteczności modeli w Scikit-Learn, dzięki czemu zrozumiesz pełny proces budowy prostych modeli predykcyjnych na danych.

Program szkolenia

1. Wstęp (środowisko Python IDLE)

  • instalacja i konfiguracja środowiska,
  • podstawowe funkcje IDLE,
  • tworzenie i uruchamianie skryptów.

2. Typy danych

  • typy liczbowe: int, float, complex,
  • typy logiczne: bool,
  • typy sekwencyjne: listy, krotki, łańcuchy znaków,
  • typy mapujące: słowniki,
  • typ None.

3. Podstawy zapisu kodu

  • składnia języka Python,
  • komentarze i ich znaczenie,
  • struktura programu.

4. Wyrażenia i podstawy wykonywania obliczeń

  • operatory arytmetyczne,
  • operatory logiczne,
  • operatory porównania,
  • kolejność wykonywania operacji.

5. Uzyskiwanie danych od użytkownika

  • funkcja input(),
  • obsługa wyjątków,
  • konwersja typów danych.

6. Listy

  • tworzenie i modyfikacja list,
  • operacje na listach: dodawanie, usuwanie, sortowanie,
  • indeksowanie i wycinanie list.

7. Sterowanie programem

  • instrukcje warunkowe: if, elif, else,
  • pętle: for, while,
  • przerywanie pętli: break, continue.

8. Listy i słowniki składane

  • składnie list składanych,
  • składnie słowników składanych,
  • zastosowanie składni składanych w praktyce.

9. Krotki

  • tworzenie i operacje na krotkach,
  • różnice między listami a krotkami,
  • zastosowania krotek.

10. Zbiory

  • tworzenie i operacje na zbiorach,
  • operacje na zbiorach: przecięcia, różnice, sumy,
  • unikalność elementów w zbiorach.

11. Łańcuchy znaków

  • tworzenie i manipulacja łańcuchami znaków,
  • operacje na łańcuchach: formatowanie, podział, łączenie,
  • przykłady praktycznego wykorzystania.

12. Słowniki

  • tworzenie i operacje na słownikach,
  • dodawanie, usuwanie i aktualizacja elementów słownika,
  • iterowanie przez słowniki.

13. Algorytmy i przykładowe programy

  • podstawowe algorytmy sortowania,
  • przykłady programów automatyzujących codzienne zadania,
  • wprowadzenie do analizy danych i prostych algorytmów.

14. Biblioteka Pandas

  • wprowadzenie do biblioteki Pandas,
  • manipulacja danymi: ładowanie, modyfikowanie, filtrowanie,
  • przykłady zastosowania w analizie danych.

15. Biblioteka NumPy

  • wprowadzenie do biblioteki NumPy,
  • operacje na tablicach wielowymiarowych,
  • podstawowe operacje matematyczne w NumPy.

16. Biblioteka Matplotlib

  • wprowadzenie do biblioteki Matplotlib,
  • tworzenie podstawowych wykresów: liniowych, słupkowych, kołowych,
  • dostosowywanie wykresów: etykiety, kolory, legendy.

17. Biblioteka Scikit-Learn

  • wprowadzenie do biblioteki Scikit-Learn,
  • przykłady prostych algorytmów uczenia maszynowego,
  • klasyfikacja i regresja na podstawie danych,
  • walidacja modeli i ocena ich skuteczności.

Jakie są wymagania wstępne do udziału w szkoleniu?

icon

Obsługa komputera - Powinieneś swobodnie korzystać z komputera, instalować programy, pracować na plikach i folderach oraz uruchamiać aplikacje, aby skupić się na ćwiczeniach, a nie na podstawach.

icon

Podstawy pracy z plikami - Powinieneś umieć tworzyć, zapisywać i odnajdywać pliki oraz korzystać ze struktury folderów, ponieważ podczas szkolenia będziesz uruchamiać skrypty i pracować na danych.

icon

Logiczne myślenie - Powinieneś rozumieć proste zależności logiczne i kolejność działań, bo ułatwi Ci to pracę z warunkami, pętlami, wyjątkami oraz analizą wyników otrzymywanych w programie.

icon

Podstawy matematyki - Powinieneś sprawnie wykonywać podstawowe obliczenia i rozumieć pojęcia takie jak średnia, porównanie wartości czy zależność między danymi, by łatwiej analizować wyniki.