10-dniowe szkolenie Python Data Scientist od podstaw

Szkolenie Python Data Scientist

Ponad 500 praktycznych zadańModele predykcyjne w Pythonie Ćwiczenia na zajęciach i zadania do domu

W trakcie szkolenia poznasz SQL, składnię języka Python oraz naczysz się tworzyć modele predykcyjne.

Poznasz algorytmy uczenia maszynowego w języku Python oraz nauczysz się zarządznia kodem w programie GIT.

10 dni i masz wiedzę potrzebną w Data Science.

Działamy?

Szkolenie Python poziom średnio-zaawansowany
Szkolenie Python poziom średnio-zaawansowany
codi
W trakcie kursu poznasz kilka obszarów - Excel, SQL, Python, GIT, modele predykcyjne

Kurs oparty o praktykę – już od pierwszej godziny szkolenia piszesz swój własny kod.

Małe grupy do 7 osób
6 740,00 zł netto (8 290,20 zł brutto)
10 dni nauki od 9:00 do 17:00

W programie szkolenia język SQL, składnia języka Python, planowanie i testowanie programu, przetwarzanie danych w bibliotece Pandas i tworzenie modeli predykcyjnych.

Wybierz miejsce i termin szkolenia

Szkolenie Python Data Science od podstaw

Jeśli podoba Ci się zakres kursu, ale nie znajdujesz odpowiedniego terminu, napisz lub zadzwoń do nas. Spróbujemy znaleźć szkolenie i termin, którego potrzebujesz.

Wybierz lokalizację i termin szkolenia, aby zobaczyć dostępną liczbę miejsc.

Tego produktu nie ma na stanie i nie jest dostępny.

Poniżej znajdziesz konkretne terminy na poszczególne edycje kursu

wrzesień 2023 – 4-5 września, 11-14 września, 25-28 września
październik 2023 – 2-3 października, 9-12 października, 23-26 października
listopad 2023 – 6-7 listopada, 13-16 listopada, 27-30 listopada
grudzień 2023 – 4-5 grudnia, 11-14 grudnia, 18-21 grudnia

Program szkolenia Python Data Science od podstaw

Kurs, na którym przygotujesz się do roli Data Scientist

Zdobędziesz konkretne umiejętności, które wystarczą Ci do samodzielnego pisania prostych programów w języku Python oraz tworzenia modeli predykcyjnych.

Poznasz język SQL oraz składnię języka Python i jego najważniejsze bibioteki do analizy danych i tworzenia modeli predykcyjnych. Nauczysz się zarządzać kodem w programie GIT.

80 godzin ćwiczeń w obszarze Data Science.


Ćwiczysz z nami?

zaawansowany system szkolenia
dekoratory, dziedziczenie klas

Część 1

Obsługa programu Excel

  1. Karty i narzędzia programu Excel
  2. Adresowanie komórek – względne, bezwzględne i mieszane
  3. Formuły i funkcje
    • Funkcje matematyczne
    • Funkcje daty i czasu
    • Funkcje statystyczne
    • Funkcje wyszukiwania i adresu
    • Funkcje tekstowe
    • Funkcje logiczne
  4. Wykresy – wstawianie i formatowanie wykresu
  5. Tabele przestawne i wykresy przestawne
  6. Sortowanie i filtrowanie danych
  7. Reguły sprawdzania poprawności danych
  8. Importowanie danych z bazy, pliku tekstowego i strony www

Język T-SQL w MS SQL Server

  1. Podstawowe pojęcia z obszaru relacyjnych baz danych
  2. Serwery bazodanowe
  3. Środowisko Microsoft SQL Server
  4. Aplikacja SQL Server Management Studio
  5. Relacje i relacyjny model bazy danych
  6. Klucze – główny i obcy
  7. Typy danych
  8. Konwersja typów danych
  9. Logika trójwartościowa

Część 2

Język T-SQL w MS SQL Server

  1. Wybieranie kolumn – instrukcja SELECT
  2. Filtrowanie wierszy – klauzula WHERE
  3. Klauzula TOP
  4. Eliminowanie duplikatów – słowo kluczowe DISTINCT
  5. Aliasy kolumn i tabel
  6. Operatory porównania
  7. Operatory SQL
  8. Warunki logiczne
  9. Hierarchia operatorów
  10. Sortowanie danych – klauzula ORDER BY
  11. Filtrowanie danych w wynikach zapytań
  12. Funkcje wbudowane
    • Funkcje arytmetyczne
    • Funkcje znakowe
    • Funkcje daty i czasu
    • Funkcja CASE – tworzenie wyrażeń
    • Funkcje CAST i CONVERT – konwersja jawna
  13. Funkcje agregujące i grupowanie
    • Zapytania agregujące – grupowanie
    • Funkcje agregujące
    • Filtrowanie grup – operator HAVING

Część 3

Język T-SQL w MS SQL Server

  1. Łączenie tabel
    • Złączenia – zasada działania złączeń tabel
    • Złączenie wewnętrzne INNER JOIN
    • Złączenie zewnętrzne prawostronne RIGHT OUTER JOIN
    • Złączenie zewnętrzne lewostronne LEFT OUTER JOIN
    • Pełne złączenie zewnętrzne FULL OUTER JOIN
    • Iloczyn kartezjański CROSS JOIN
  2. Łączenie zbiorów – UNION, UNION ALL, INTERSECT, EXCEPT
  3. Modyfikowanie danych
    • Wstawianie danych do tabeli
    • Usuwanie danych z tabeli
    • Aktualizowanie danych w jednej i w wielu tabelach
  4. Import danych do bazy z pliku .csv
  5. Eksport danych z bazy
  6. Tworzenie tabel – definiowanie kolumn i dobór typu danych
  7. Zastosowanie SQL w obszarze analizy danych
  8. Wykorzystanie funkcji operujących na datach, liczbach i tekstach w raportach
  9. Wykorzystanie widoków systemowych w bazach danych
  10. Formatowanie wyniku zapytania

Część 4

Podstawy języka Python

  1. Język programowania Python
  2. Instalacja Python i IDLE
  3. Shell i pliki programu pod IDLE
  4. Uruchamianie programu z pliku *.py
  5. Uruchamianie programu w IDLE
  6. Komentarze jednolinijkowe i wielolinijkowe
  7. Wyrażenia
  8. Typy liczbowe i zmienne typu liczbowego
  9. Zasady nazywania zmiennych
  10. Operatory i typy danych
    • Typy liczbowe
    • Operatory arytmetyczne
    • Kolejność wykonywania działań
    • Operatory porównania
    • Ciągi tekstowe (string)
    • Operacje na tekstach (łańcuchach)
    • Konwersja typu danych
    • Konwersja liczb na napisy
    • Konwersja napisów na liczby
  11. Typ logiczny (bool) i operatory logiczne

Część 5

Podstawy języka Python

  1. Używanie funkcji – funkcje wbudowane
  2. System pomocy
  3. Programy rozgałęzione
  4. Instrukcje warunkowe
  5. Pętle
    • Pętla FOR
    • Pętla WHILE
  6. Kolekcje
    • Listy
    • Krotki
    • Słowniki
    • Zbiory
  7. Obsługa wyjątków
  8. Tworzenie funkcji – podstawy
  9. Biblioteki, moduły, pakiety
  10. Obsługa skoroszytów Excela

Część 6

Python Biblioteka NumPy

  1. Biblioteka NumPy
    • Typy danych (int, string, date i inne)
    • Funkcje matematyczne i wektoryzacja
    • Funkcje statystyczne
    • Slicing, tablice wielowymiarowe
    • Dopasowanie wymiarów (broadcasting)
    • Fancy indexing
    • Filtrowanie tablic
    • Zmiana wymiarów (reshape)
    • Wektory, macierze i inne tablice
    • Funkcja array()
    • Reprezentacja tablic
    • Typ przechowywanych elementów
    • Tworzenie tablic specjalnego rodzaju
    • Łączenie tablic
    • Indeksowanie wektorów i macierzy
    • Indeksowanie tablic N-wymiarowych
    • Wyszukiwanie indeksów elementów spełniających zadane kryteria

Część 7

Python biblioteka Pandas

  1. Biblioteka Pandas
    • Odczyt danych z różnych źródeł (CSV, SQL)
    • Zapis danych
    • Obiekty pd.DataFrame i pd.Series
    • Wybieranie kolumn
    • Filtrowanie wierszy, podzbiory danych
    • Aktualizowanie danych, dodawanie kolumn
    • Grupowanie i sortowanie danych
    • Łączenie zbiorów przez indeks
    • Rysowanie wykresów z danych Pandas
  2. Agregacja danych
  3. Tworzenie ramek danych
    • Konstruktor klasy DataFrame
    • Importowanie ramek danych z plików i innych źródeł
    • Odczytywanie podstawowych informacji o ramkach danych
  4. Obiekty typu Series (zmienne)
    • Tworzenie i reprezentacja zmiennych
    • Zmienne typu data i czas
    • Zmienne jakościowe i porządkowe
  5. Obiekty typu Index (etykiety)
  6. Etykietowanie wierszy i kolumn
  7. Etykiety hierarchiczne
  8. Indeksowanie zmiennych i ramek danych
  9. Podsumowania ramek danych i zmiennych
  10. Sortowanie ramek danych
  11. Zmiana kształtu ramek danych
  12. Obserwacje brakujące None, NaN

Część 8

Python uczenie maszynowe

  1. Wprowadzenie do uczenia maszynowego
    • podstawowe pojęcia związane z uczeniem maszynowym
    • obszary, którymi zajmuje się machine learning
    • problemy, które można rozwiązać
  2. Podział uczenia maszynowego
    • nadzorowane (supervised) – klasyfikacja i regresja
    • nienadzorowane (unsupervised) – klasteryzacja i reguły asocjacyjne
  3. Pozyskiwanie i przygotowanie danych do budowy modelu
  4. Rodzaje danych wykorzystywanych w machine learning
    • dane uporządkowane
    • dane nieuporządkowane
  5. Projekt analityczny – określanie celu biznesowego (co chcemy przewidywać)
  6. Eksploracja i przygotowanie danych do analizy
    • przygotowanie obiektu dataframe
    • analiza typów danych
    • uzupełnienie braków w danych
    • przeskalowanie danych
    • redukcja liczby wymiarów
    • wyznaczenie podstawowych statystyk i korelacji zmiennych
    • wyświetlenie rozkładu zmiennych
    • standaryzacja danych – StandardScaler
    • ekstrakcja i selekcja cech
    • metody wizualizacji danych – biblioteka Matplotlib
  7. Podział danych na zbiór treningowy, walidacyjny i testowy
  8. Metody działania algorytmów

Część 9

Python uczenie maszynowe

  1. Klasyfikacja binarna
    • model przewidujący, czy klient kupi kartę kredytową
  2. Klasyfikacja wieloklasowa
    • analiza tekstu – budowa klasyfikatora w języku Python do analizy opinii klientów
    • klasyfikacja – rozpoznawanie cyfr
  3. Regresja liniowa
    • równanie normalne
    • algorytm spadku gradientowego
    • stochastyczny spadek wzdłuż gradientu
    • eliminacja wsteczna
  4. Regresja wielomianowa
    • model najmniejszych kwadratów
  5. Regresja logistyczna
  6. Drzewa decyzyjne
    • gini, entropia
    • zyski informacyjne
  7. Lasy losowe
  8. Maszyna wektorów nośnych (SVM – Support Vector Machine)
  9. Naiwny klasyfikator bayesowski – filtr antyspamowy
  10. Algorytm k najbliższych sąsiadów
  11. Metody doboru modeli i poprawienia jakości ich przewidywań
    • niedouczenie i przeuczenie modeli
    • walidacja krzyżowa
    • przeszukiwanie siatki
  12. Biblioteka statsmodels

Część 10

  1. Konsola programu GIT w systemie Windows
  2. Konfiguracja klienta GIT
  3. Edytor
  4. Składnia poleceń programu GIT
  5. Tworzenie repozytoriów
  6. Tworzenie rewizji i przywracanie stanu plików
  7. Stany plików
    • Indeksowanie
    • Diagram stanów
    • Obszar roboczy, indeks i repozytorium
    • Modyfikowanie stanu plików repozytorium
    • Oznaczenia stanów pliku
    • Repozytoria zwykłe i surowe
    • Uzupełnienie diagramu stanów
  8. Znaczniki
    • Tworzenie znaczników lekkich i oznaczonych
    • Sprawdzanie znaczników
    • Usuwanie znaczników
    • Szczegółowe dane znacznika
  9. Identyfikowanie rewizji
  10. Modyfikowanie historii projektu
  11. Tworzenie i usuwanie gałęzi
  12. Łączenie gałęzi: operacja merge
  13. Łączenie gałęzi: operacja rebase
  14. Powiązania między repozytorium lokalnym a zdalnym
  15. Synchronizacja repozytoriów
  16. Łączenie oddzielnych repozytoriów
  17. Użycie mechanizmu Stash
  18. Konfiguracja GIT
Konkretne kompetencje przydatne w pracy

Ponad 500 ćwiczeń z analizy

Na 10-dniowym szkoleniu Python Data Science od podstaw doskonale poznasz język MS SQL i składnię języka Python. Nauczysz się tworzyć modele predykcyjne i zarządzać kodem programu w środowisku GIT.

Zobacz, czego konkretnie się nauczysz

biblioteka danych z kursu
termin szkolenia
  • poznasz lub przypomnisz sobie, jakie narzędzia dostępne są w programie MS Excel
  • nauczysz się tworzyć podsumowania w Excelu przy użyciu funkcji np. SUMA.JEŻELI, SUMA.WARUNKÓW
  • nauczysz się operacji na tekstach – złączania i rozdzielania tekstów
  • zobaczysz, w jaki sposób szybko przetwarzać dane przy użyciu tabel przestawnych
  • poznasz wykresy przestawne i zobaczysz, jak je wykorzystywać do graficznej analizy danych
  • nauczysz się importować dane do Excela z różnych źródeł np. z baz danych, plików tekstowych i stron internetowych
  • zobaczysz, w jaki sposób sprawdzić i wyczyścić dane przed importem
  • poznasz składnię języka MS SQL niezbędną do samodzielnej pracy w tym języku
  • nauczysz się odczytywać dane z bazy, filtrować je i sortować
  • poznasz metody czyszczenia danych w bazie np. usuwania duplikatów i znajdowania brakujących danych
  • nauczysz się używać funkcji wbudowanych w MS SQL Server
  • poznasz funkcje agregujące – nauczysz się grupować dane i robić podsumowania dla grup
  • zobaczysz, w jaki sposób odczytywać dane z jednej tabeli oraz z wielu tabel – nauczysz się łączyć tabele
  • nauczysz się importować dane do baz danych SQL Server i exportować je
  • zobaczysz, w jaki sposób szybko przeszukiwać bazy danych używając widoków
  • poznasz bibliotekę NumPy języka Python
  • nauczysz się odczytywać za pomocą biblioteki Pandas dane z rożnych źródeł np. z Excela
  • poznasz ramki danych biblioteki Pandas i nauczysz się wykorzystywać je do analizy i przetwarzania danych
  • zobaczysz, jakie są różnice pomiędzy przetwarzaniem danych w MS SQL Server a Pandas
  • zobaczysz, w jaki sposób pozyskiwać i przetwarzać dane potrzebne do tworzenia modeli predykcyjnych w Pythonie
  • nauczysz się przygotowywać dane do analizy np. czyścić je, skalować, redukować liczbę wymiarów
  • poznasz algorytmy klasyfikacji i utworzysz w nich modele predykcyjne
  • nauczysz się tworzyć modele wykorzystując algorytmy regresji logistycznej i liniowej
  • zobaczysz, w jaki sposób testować modele oraz łączyć je żeby poprawić skuteczność ich przewidywań
  • poznasz podstawy obsługi programu GIT – nauczysz się współtworzyć kod z innymi osobami, udostępniać i archiwizować programy na platformie GitHub
  • poznasz platformy do wymiany informacji pomiędzy programistami i analitykami np. Kaggle, Stack Overflow
  • zbudujesz samodzielnie ponad 30 modeli predykcyjnych i perfekcyjnie przećwiczysz na nich algorytmy uczenia maszynowego
Zobacz, co sądzą inni o naszych szkoleniach

Kursy polecane przez naszych Studentów

Dbamy o to, aby dostarczyć Uczestnikom naszych szkoleń dokładnie tego, czego oczekują.

Ze względu na małe grupy do 7 osób, masz bezpośredni kontakt z trenerem i możesz swobodnie zadawać pytania.

Przed zakończeniem każdego bloku ćwiczeń trener upewnia się, że wszyscy zrozumieli omawiamy materiał.

U nas nie zgubisz się w trakcie szkolenia.

Zobacz opinie

szkolenie
najlepszy kurs
Najlepsi trenerzy na rynku
Najlepsi trenerzy na rynku
Poznaj trenerów, którzy uczą języka Python

Doświadczeni i sympatyczni trenerzy

Szkolenie Data Science w języku Python prowadzi trzech trenerów. Każdy trener jest świetnym specjalistą i potrafi w jasny i przejrzysty sposób przekazywać wiedzę.

Na szkoleniu poczujesz się komfortowo i zdobędziesz dużą dawkę wiedzy. Trenerzy dbają o zapewnienie miłej atmosfery i pilnują, aby każdy Uczestnik zrozumiał omawiane zagadnienia.

Tomek Majewski trener Avendi

Tomasz Majewski

Mój profil
Jarosław Olechno trener SQL

Jarek Olechno

Mój profil
Rafał Lelusz

Rafał Lelusz

Mój profil
codi
Rekomendowane szkolenia

Kontynuuj naukę programowania z nami

Programowanie to nie tylko język Python. W trakcie szkolenia podpowiemy Ci, jakie kompetencje są poszukiwane w obszarze IT i jakimi obszarami warto się zainteresować.
 
Polecamy kolejne poziomy programowania w języku Python lub inne szkolenia, których zakres może być dla Ciebie wartościowy.

Interesują Cię jedynie wybrane tematy?

Indywidualne konsultacje

Nasza oferta to nie tylko szkolenia ze ściśle ułożonym planem.

Jeśli chcesz poznać tylko część zagadnień dotyczących języka Python, możesz skorzystać z indywidualnych konsultacji stacjonarnie lub online.

W trakcie konsultacji trener jest dostępny wyłącznie dla Ciebie. Wytłumaczy Ci czym są dekoratory, na czym polega dziedziczenie klas, czy inne trudne zagadnienia języka Python.

Zarezerwuj konsultacje

Indywidualne konsultacje
Indywidualne konsultacje