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

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.