Python

Już 6000 studentów! Skorzystaj z kuponu:

KURSYONLINE

a cena spadnie do 35 zł  (10 €) ! Promocja ograniczona ilościowo

udemy_coupon

Kurs python dla początkujących

Python dla początkujących

  • Nauka Python dla początkujących, od podstaw i po polsku
  • Instalacja Pythona i narzędzi edytorskich
  • Praca ze zmiennymi, typami, funkcjami
  • Wyrażenia warunkowe i pętle
  • Wejście i wyjście: odczyt danych od użytkownika, praca z plikami
  • Korzystanie z modułów
  • Ciekawe przykłady i zadania do samodzielnego rozwiązania

>>>>>> więcej szczegółów poniżej

Kurs Python dla średnio zaawansowanych

Python dla średnio zaawansowanych

  • Nauka Python dla tych, co Pythona trochę już znają
  • Typy i konwersje typów od podszewki
  • Sztuczki z funkcjami i dekoratory
  • Klasy, instancje – od A do Z
  • Obsługa błędów i własne wyjątki
  • Iteratory, generatory, context manager
  • Ciekawe przykłady i zadania do samodzielnego rozwiązania

>>>>>> więcej szczegółów poniżej

Data Science: Analiza danych w Python i PANDAS

  • Instalacja pakietów wymaganych do analizy danych
  • Na czym polega analiza danych
  • Przegląd modułu PANDAS
  • Kolumna czyli DataSeries
  • Arkusz czyli DataFrame
  • Grupowanie, tabele przestawne, agregacja, multiindex, łączenie danych
  • Export i import danych, modyfikacja danych
  • Wprowadzenie do wykresów

 

>>>>>> więcej szczegółów poniżej

 

Python dla początkujących

Ten kurs jest przeznaczony dla początkujących autorów raportów tworzonych w SQL Server Reporting Services. Zaliczyć do nich można zarówno analityków, pracowników działów raportowych, ale również programistów, którzy wykorzystują reporting services w swoich aplikacjach, administratorów opracowujących na

Jeśli dopiero się uczysz programować lub znasz już inny język programowania, ale nie Pythona, to ten kurs może cię zainteresować. 

Nie bez powodu Python jest wykorzystywany w NASA,  nie bez powodu wsparcie dla Pythona jest implementowane w systemach Microsoft  np. SQL Server, i nie bez powodu YouTube jest w dużej mierze zbudowany na Pythonie. Oni już znają pytona. Może więc teraz kolej na ciebie?

Po pierwsze jest to kurs dla początkujących. Zakładam, że to twoje pierwsze kroki w Pythonie i nie wiesz o nim nic. Dlatego założyłem, że muszę pokazać Ci wszystko. Od tego jak pobrać i zainstalować Pythona, jak wybrać narzędzia z których będziesz korzystać i jak napisać tradycyjny Hello World.

Pythona będziesz poznawać krok po kroku. Najpierw kilka podstawowych instrukcji, potem zmienne i typy zmiennych, potem instrukcja warunkowa IF, pętle FOR i WHILE. I tu drobna uwaga. Nie ograniczamy się tylko do pokazania jak coś tam działa. Staram się, żeby na kursie było dużo i dość szczegółowo wyjaśnionych przykładów. Stąd właśnie na kursie masz kilka lekcji które nie uczą cie nowego elementu języka ale raczej uczą myślenia jak python. Będziesz na przykład zastanawiać się jak optymalnie załadować paczki na ciężarówkę, jak rozwiązać różne problemy matematyczne lub biznesowe ale zawsze po pytonowemu!

Kurs krok po kroku wprowadza Cię w tematykę Pytonowania. Zaczniesz od poznawania przeróżnych funkcji, bo autorzy Pythona założyli że Python ma być zabawką typu „baterries included” – środowisko z jakim pracujesz ma być kompletne.

Poznasz więc typ napisowy – string, typy numeryczne, operatory logiczne, zobaczysz jak się buduje listy i słowniki, a wszystko to w praktyce, bo w tym kursie nie ma slajdów, ale są fajne animacje 🙂

Mając już tą wiedzę uczymy się instrukcji warunkowej IF, pętli WHILE i FOR  i jakże przydatnego w tym momencie debuggowania. I teraz ważna rzecz, zwłaszcza jeśli jesteś początkujący. Na te instrukcje poświęcamy więcej czasu i oprócz zwykłego wykładu „jak działaokreślona instrukcja”, zobaczysz też przykłady problemów rozwiązywanych z wykorzystaniem tych instrukcji. Stąd masz na kursie kilka ładnych lekcji poświęconych sposobom rozwiązywania problemów w informatyczny – pythonowy sposób, np. będziemy się zastanawiać jak załadować na ciężarówkę paczki żeby w miarę możliwości wykorzystać całe miejsce, rozwiążemy też kilka problemów natury biznesowej lub matematycznej.

Kilka lekcji prezentuje też moduły, które dodane do programu sprawiają, że nagle masz cały zbiór funkcji, z którymi możesz z powodzeniem atakować kolejne problemy. No i w końcu dochodzimy do samodzielnego pisania funkcji, pracy z parametrami, potem pracy z danymi wprowadzanymi przez użytkownika, odczytem i zapisem pliku i obsługą błędów.

I to tyle jeśli chodzi o materiał.

A teraz kilka ostrzeżeń. W tym kursie nie znajdziesz jeszcze tego do czego python używany jest najczęściej czyli analizy danych, data science, nie ma tu kompletnego projektu. Pokazujemy cegiełki i jak je łączyć. Dom wybudujesz sam. Po prostu nie da się wszystkiego zrobić od razu… Na bardziej zaawansowane tematy przyjdzie czas, kiedy opanujesz już podstawy. Logiczne prawda?

Nie licz też na to, że  samo obejrzenie filmików nauczy cie programowania. Jak się chcesz uczyć musisz samodzielnie rozwiązać kilka problemów i pewnie nie raz Cię Python pogryzie albo podusi nim dojdziesz do fajnych, działających rozwiązań. Twój wysiłek jest konieczny.

Za to jeśli się przyłożysz, to kończąc ten kurs będziesz w stanie rozumieć Pythona i samodzielnie tworzyć programy rozwiązujące problemy natury informatycznej z wykorzystaniem tego języka. Pozwoli Ci to rozpocząć naukę bardziej zaawansowanych tematów jak np. właśnie przetwarzanie danych czy data science.

Pamiętaj, że jako student Udemy możesz korzystać z klasowego forum i wsparcia trenera w zakresie kursu.

Trzymam kciuki za twój sukces!

ISBN: 978-83-945846-5-8

 O kursie:

 

  • Wprowadzenie – pierwsze kroki
  • Python – pierwsze spotkanie – Jupyter Notebook Online – VIDEO
  • Instalacja Pythona i narzędzi
  • Instalacja i weryfikacja instalacji Pythona na Windows – VIDEO
  • Pierwszy skrypt w języku Python -VIDEO
  • Lokalna instalacja Jupyter Notebook -VIDEO
  • Edytor skryptów IDLE -VIDEO
  • Wielkie i małe litery, komentarze – VIDEO
  • IDLE – tips & tricks – VIDEO
  • Jupyter Notebook – tips & tricks – VIDEO
  • A może Spyder? – VIDEO
  • Podstawy wiedzy o języku
  • Funkcja print()
  • Typ string cz.1 – VIDEO
  • Typ string cz.2 – VIDEO
  • Typ string cz.3 – VIDEO
  • Formatowanie napisów – VIDEO
  • Typy numeryczne – int i float – VIDEO
  • Typ i operatory logiczne – VIDEO
  • Zmienne Tips & Tricks. Kolejność działań – VIDEO
  • Napis jako tablica znaków – VIDEO
  • Listy – VIDEO
  • Tuple (krotka) – VIDEO
  • Dictionary
  • Sterowanie programem
  • Instrukcja warunkowa if – VIDEO
  • Instrukcja if / elif – VIDEO
  • Ternary operator – VIDEO
  • Pętla while (while/else) – VIDEO
  • If w while – przykład: wyszukiwanie wzorca w ciągu liczb – VIDEO
  • Pętla while – przykład: ładowanie paczek do kontenera – VIDEO
  • Debuggowanie skryptu -VIDEO
  • Pętla for – VIDEO
  • Pętla for wykonywana zadaną ilość razy – range – VIDEO
  • Zagnieżdżona pętla for – VIDEO
  • Instrukcja break – VIDEO
  • Instrukcja continue – VIDEO
  • Trochę matematyki w Pythonie – VIDEO
  • Korzystanie z modułów – VIDEO
  • Moduł math – VIDEO
  • Moduł random – VIDEO
  • Funkcje pracujące na tekstach – VIDEO
  • Moduł time i calendar – VIDEO
  • Typy timedelta, date i datetime – VIDEO
  • Moduły – przykład: generowanie hasła – VIDEO
  • Moduł random – przykład: LOTTO – VIDEO
  • Pętle – przykład: Trójkąt Pascala cz.1 – VIDEO
  • Funkcje tekstowe – przykład: Trójkąt Pascala cz.2 – VIDEO
  • Funkcje – wprowadzenie – VIDEO
  • Funkcje – przykład: najbliższy dzień roboczy – VIDEO
  • Parametry funkcji – VIDEO
  • Parametry domyślne funkcji – VIDEO
  • Zwracanie wartości w funkcji – VIDEO
  • Funkcje – zmienna ilość parametrów – VIDEO
  • Funkcje – własna implementacja SWITCH – VIDEO
  • Wprowadzanie danych przez użytkownika – VIDEO
  • Moduł os – VIDEO
  • Kontrola ścieżki do plliku – VIDEO
  • Odczyt z pliku – VIDEO
  • Zapis do pliku – VIDEO
  • Obsługa błedu – instrukcja try – VIDEO
  • Obsługa błędu – instrukcja except – VIDEO
  • Obsługa błędu – instrukcja else i finally – VIDEO

 

Wymagania:

  • Zainteresowania informatyczne i programistyczne
  • Podstawowa wiedza o programowaniu
  • Dobra znajomość matematyki i logiki (jeżeli, warunki logiczne)
  • Ścisły umysł
  • Komputer z systemem Windows lub innym (ale kurs bazuje na Windows)

Dla kogo jest ten kurs?

  • Początkujący programiści, studenci, uczniowie
  • Programiści innych języków programowania zainteresowanie poznaniem Pythona
  • Osoby zainteresowane analizą danych i potrzebujące wiedzy o Python

Przykładowe lekcje:

Python dla średnio zaawansowanych

Obecnie Python to jeden z najprężniej rozwijających się języków programowania. Jest stosowany prawie wszędzie, począwszy od automatyzowania środowiska IT, budowania typowych aplikacji desktopowych, tworzenia gier, a kończąc na działalności naukowej, zwłaszcza w dziedzinie Data Science i sztucznej inteligencji. Język, który wypada znać i to najlepiej na odpowiednio dobrym poziomie.

W moim zamiarze ten kurs, to drugi etap nauki programowania w Pythonie. Jeśli ukończyłeś już mój kurs dla początkujących – to tak, ten kurs jest dla Ciebie. Jeśli Pythona znasz z innych źródeł i po prostu chcesz się nauczyć czegoś więcej, to jak sądzę też dobrze trafiłeś. Właściwie łatwiej mi powiedzieć dla kogo ten kurs nie jest. Jeśli nie znasz podstaw zacznij od kursu dla początkujących, a jeśli znasz Pythona bardzo dobrze, to może zainteresuj się zastosowaniami Pythona studiując kurs „Data Science, analiza danych w Python i PANDAS”

Tutaj nie omawiam już podstaw -te musisz znać. Pętle, zmienne, typy, listy, funkcje, wyjątki, sama instalacja Pythona – tego tu nie ma. To co jest? Znaczne poszerzenie tych wiadomości. Odkrycie drugiego dna. Klasy, funkcje, typy, konwersje typów, sztuczki i zastosowania tych sztuczek, wyjątki, iteratory, generatory, context manager. Cel jaki sobie stawiam, to poruszane tu zagadnienia omówić od A-Z, tak aby już do nich w przyszłości nie trzeba było wracać.

Zobaczysz różnego rodzaju funkcje i właściwości obiektów i elementów języka Python. Nie ograniczamy się tu jednak do powiedzenia „jest taka funkcja”. Przy każdej z nich zobaczysz praktyczny przykład jak i kiedy z tej funkcji można skorzystać.

Samo obejrzenie filmu raczej zbyt wiele nie nauczy. Dlatego właśnie po każdej lekcji masz quiz, a zaraz potem zadanie do samodzielnego rozwiązania. Praktyka czyni mistrzem, więc namawiam do rozwiązywania tych zadań. Zejdzie Ci na tym pewnie dużo czasu, ale uwierz mi – to nie będzie czas stracony. Gdyby zadanie było za trudne albo niezrozumiałe, to masz do dyspozycji propozycję rozwiązań. Czuj się, jakbyś był na normalnym klasowym kursie, tyle tylko że stworzonym dla Ciebie.

Kończąc ten kurs będziesz już – jakby nie patrzeć na poziomie zaawansowanym. Dasz radę samodzielnie stosować zaprezentowane tu techniki, jak również ze zrozumieniem czytać kod napisany przez innych. Będziesz gotowy do specjalizacja w kierunku, w jakim Ty u siebie Pythona chcesz zastosować.

  • Zmienne, funkcja id() i operator is
  • Typy zmienne (mutable) i niezmienne (immutable)
  • Automatyczna konwersja do typu logicznego
  • Operacje na plikach w wyrażeniach logicznych
  • Skrócona składnia instrukcji if i polecenie pass
  • Polecenie else w pętlach
  • range, list, slice
  • enumerate & zip
  • iteracja po słowniku
  • Zagnieżdżanie pętli i to samo w postaci jednolinijkowej
  • Generatory
  • Funkcja eval()
  • Funkcja exec()
  • Funkcja compile()
  • Funkcje i wartości domyślne argumentów
  • Argumenty specjalne args i kwargs
  • Funkcja jako zmienna
  • Funkcja jako argument funkcji
  • Funkcje zwracające funkcje
  • Wrapper dla funkcji, dekorowanie funkcji
  • Funkcja wrappera z pararmetrem
  • Wysyłanie maili z Pythona
  • Funkcja partial
  • Optymalizacja funkcji przez cache
  • Wyrażenia lambda
  • Świat bez klas
  • Klasy i atrybuty instancji klasy
  • Metody instancji klasy
  • Klasa a instancja
  • Dodawanie i ukrywanie atrybutów klasy
  • Właściwości klasy
  • Metody klasy i metody statyczne
  • Tworzenie właściwości za pomocą dekoratorów
  • Dynamiczne dodawanie metod do klasy
  • Callable class instance – wywoływalna instancja klasy
  • Klasa jako dekorator funkcji
  • Operatory
  • Dziedziczenie
  • Dziedziczenie z wielu klas
  • Dokumentowanie klas
  • Obsługa błędów – wprowadzenie
  • Reagowanie na różne błędy
  • Samodzielne zgłaszanie błędów
  • Metoda assert
  • Definiowanie własnych wyjątków
  • Iteratory – wprowadzenie
  • Metoda __getitem__
  • Iteratory dla typów systemowych
  • Klasa iterowalna bez iteratora
  • Generator
  • Przykład generatora – strumień danych
  • Przykład generatora – funkcja grep
  • itertools – kombinacje, permutacje z i bez powtórzeń
  • itertools – grupowanie danych
  • itertools – przegląd
  • Context manager
  • Context manager – plik ini
  • Obsługa błędów w context manager
  • Moduł contextlib
  • Instalacja PyCharm

Data Science: Analiza danych w Python i PANDAS

To nie jest kurs dla zupełnie początkujących. Wśród wymogów znajdziesz przynajmniej podstawową znajomość Pythona oraz chociaż ogólną wiedzę o analizie danych. Ale bez obaw!

  • Jeśli chodzi o wiedzę z zakresu programowania w Pythonie – możesz ją zdobyć na kursie „Python dla początkujących”. Jeśli już używasz Pythona, możesz przejrzeć sam spis treści tego kursu i zweryfikować, czy znasz te tematy.
  • Jeśli chodzi o podstawową znajomość analizy danych, mam na myśli typowe czynności, jakie wykonujemy np. w Excelu. Tam też dane się importuje, przetwarza i analizuje. W tym kursie generalnie robimy to samo, ale w zupełnie inny sposób. Dlatego znajomość np. Excela będzie bardzo mile widziana.

Kurs dość dokładnie omawia wszystkie tematy i właściwie nie ma w nim teorii. Praktycznie tylko video, quizy i zadania do samodzielnego rozwiązania.

Kurs jest dość intensywny. Każde nagranie skupia się na innym temacie i nie tracimy czasu. Główna zaleta kursu online jest taka, że jeśli chcesz aby Ci coś powtórzyć, to nie musisz o to specjalnie prosić… wystarczy skorzystać z przycisku „cofnij 15 sekund wstecz”. Z kolei jeśli materiał już znasz i chcesz go tylko przesłuchać, możesz zwiększyć lub zmniejszyć jego prędkość. O ile tylko nie denerwuje Cię zmiana głosu na bardziej piskliwy, to… czemu nie – korzystaj!

Zaczynamy od skonfigurowania środowiska. Tutaj jest to zrobione w oparciu o system Windows. Jeżeli korzystasz z Linux lub MacOS, to kroki do wykonania są podobne, ale w materiałach ich nie znajdziesz. Jeśli masz już zainstalowane środowisko u siebie to oczywiście ten blok możesz przerobić pobieżnie. Chcę żeby pracowało Ci się wygodnie, dlatego nie tylko instalujemy Jupyter Notebook, ale jeszcze dodatkowo omawiamy jak pracować z nim wydajnie. Jak go konfigurować, dodawać do niego pakiety, jak korzystać ze skrótów klawiaturowych itp. Wiem, że kiedy „palisz się” do analizy danych ten wstęp może Ci się wydawać przydługawy. Możesz w takim przypadku przeskoczyć część tematów i kontynuować lekcje poświęcone PANDAS, a tu wrócisz później. Zdecydowałem się dodać te lekcje po to, żeby ułatwić Ci pracę z PANDAS na własną rękę. Zwłaszcza te kilka lekcji poświęcone tematyce zaawansowanej konfiguracji  środowiska z linii komend przydadzą się, kiedy napotkasz jakieś problemy, a znajdowane na forach odpowiedzi będą mówiły o instalacji pakietu przez conda…

Żeby dane analizować, trzeba je mieć. Wszystkie pliki prezentowane na kursie jak i potrzebne do rozwiązywania zadań są dołączone do kursu. W większości przypadków podaję też skąd te materiały pochodzą i moim zdaniem ich dystrybucja nie jest zabroniona – korzystaj do woli, albo szukaj innych na własną rękę. W Internecie jest naprawdę mnóstwo ciekawych i darmowych zbiorów.

Potem właściwie zaczynamy najważniejszą część kursu opowiadającą o PANDAS. Pełna nazwa PANDAS to Python and data analysis i logo tego pakietu to kilka wykresików, ale… sam powiedz z czym się graficznie kojarzy nazwa PANDAS…

Kluczowa w PANDAS i analizie danych jest kolumna danych – tutaj zwana Data Series. Ten obiekt trzeba bardzo dobrze poznać, bo inne obiekty i polecenia bardzo mocno go wykorzystują. Kiedy sam uczyłem się PANDAS bardzo mnie to denerwowało, że tyle czasu uczyłem się tylko o przetwarzaniu pojedynczej kolumny, ale uwierz mi – to nie będzie stracony czas.

Potem przechodzimy do zbioru kolumn, co w PANDAS nazywa się Data Frame. Tu będzie już ciekawiej, bo da się obserwować na raz więcej kolumn a więc i więcej danych. Na tym etapie możesz już pomyśleć o budowaniu analiz własnych zbiorów danych.

Dalej opowiemy o modyfikacji danych. Można by myśleć, że przy analizie danych, nie trzeba ich modyfikować i ogólnie chyba rzeczywiście tak jest. Ale warto wiedzieć jak dodać wiersz, kolumnę, przebudować indeks, bo to też metody na przygotowanie danych do analizy.

W następnym etapie jesteśmy gotowi do pierwszych analiz. Indeksy będą mogły już składać się z wielu poziomów, będziemy je przerzucać z wierszy do kolumn i odwrotnie, zbudujemy tabele przestawne, albo właśnie przekształcimy dane z postaci tabeli danych do normalnej tabeli.

Kolejny krok to grupowanie danych i agregacja danych. Posiadając zagregowane dane możesz analizować je w mniejszych fragmentach, a dzięki temu możesz wykrywać zależności w tych danych i ich charakterystyczne dane. Bez tego wszystkie wyniki byłyby uśrednione na cały zbiór danych i przez to najprawdopodobniej zupełnie bez wartości, a tak możesz zobaczyć charakterystyczne cechy  zakupów w poszczególnych regionach czy inne zainteresowania w zależności od wieku i płci itp.

Rzadko kiedy wszystko to, co jest potrzebne jest w jednym miejscu, często jedna sytuacja jest opisywana przez kilka zbiorów danych. Dlatego właśnie mamy specjalną sekcję dotyczącą łączenia danych z różnych źródeł. Myśl o tym jak o łączeniu tabel w bazie danych lub łączeniu arkuszy w skoroszycie.

Kolejny temat to wykresy. Przedstawiamy tu kilka różnych rodzajów wykresów i zmieniamy ich wygląd modyfikując ich mniej i bardziej zaawansowane parametry, ale nie ma co ukrywać – za wykresy w PANDAS odpowiadają funkcje z matplotlib. Informacje z tego kursu będą wystarczające do samodzielnego zbudowania wykresów i zaprezentowania na nich analizowanych danych, ale moduł matplotlib nie jest tutaj omawiany – to duży temat na osobny kurs.

Naukę kończymy dodatkowymi materiałami dotyczącymi pobierania i zapisywania danych na zewnątrz PANDAS, włączając w to dane pobierane z Internetu lub wczytywane i zapisywane w plikach excel.

Zapraszam do nauki. Otwórz sobie drzwi do Data Science!

Zawartość kursu:

  • Instalacja środowiska Anaconda – VIDEO
  • Anaconda Navigator i Anaconda Propmpt – VIDEO
  • Konfiguracja Jupyter Notebook przez Anaconda Prompt – VIDEO
  • Praca z Jupyter Notebook – skróty klawiaturowe – VIDEO
  • Składnia Jupyter Notebook Markdown – VIDEO
  • Jupyter Notebook od środka – VIDEO
  • Zarządzanie pakietami z linii komend – conda – VIDEO
  • Korzystanie z modułów – VIDEO
  • Analiza danych – wprowadzenie – VIDEO
  • Ręczne tworzenie Data Series – VIDEO
  • Atrybuty Data Series – VIDEO
  • Metody Data Series – VIDEO
  • Filtrowanie danych w serii – VIDEO
  • Bardziej zaaawansowane filtrowanie – VIDEO
  • Import danych do obiektu Series – VIDEO
  • Standardowe metody Pythona a obiekty PANDAS – VIDEO
  • Sortowanie danych w data series – VIDEO
  • Sprawdzanie czy element jest w serii – VIDEO
  • Pobieranie wartości po indeksie – VIDEO
  • Pobieranie wartości z serii – porównanie metod – VIDEO
  • Reindex i intersection – VIDEO
  • Określanie indeksu podczas importu – VIDEO
  • Więcej metod Data Series – VIDEO
  • Modyfikacja serii danych – VIDEO
  • Metoda map – VIDEO
  • Data Frame – wprowadzenie – VIDEO
  • Metody i atrybuty Data Frame -VIDEO
  • Pobieranie danych z Data Frame – VIDEO
    Dodawanie i usuwanie kolumn – VIDEO
  • Oczyszczanie danych – dropna() – VIDEO
  • Oczyszczanie danych – fillna() – VIDEO
  • Sortowanie data frame – VIDEO
  • Kontrola i optymalizacja typów – VIDEO
  • Ranking – VIDEO
  • Filtrowanie danych w data frame – VIDEO
  • Metody where i query – VIDEO
  • Metody isin, isnull, notnull i between – VIDEO
  • Duplikaty w data frame – VIDEO
  • Edycja kolumn i indeksu – VIDEO
  • Modyfikacja danych – VIDEO
  • Dodawanie i usuwanie wierszy – VIDEO
  • Przebudowa indeksu – VIDEO
  • Operacje na kolumnach tekstowych – VIDEO
  • Przygotowanie danych po imporcie – VIDEO
  • Multiindex – wprowadzenie – VIDEO
  • Wyszukiwanie danych w multiindeksie – VIDEO
  • Transpozycja – VIDEO
  • Swaplevel – VIDEO
  • stack i unstack – VIDEO
  • Pivot table – tabela przestawna – VIDEO
  • Polecenie melt – VIDEO
  • Wprowadzenie do grupowania – VIDEO
  • Metoda groupby – VIDEO
  • Agregacje – VIDEO
  • Grupowanie a multiindex – VIDEO
  • Metoda agg() – VIDEO
  • Łączenie danych z wielu obiektów data frame – VIDEO
  • Metody append i concat – VIDEO
  • Metoda join – VIDEO
  • Metoda merge – VIDEO
  • Merge outer – VIDEO
  • Left & Right Merge – VIDEO
  • Opcje polecenia merge – VIDEO
  • Łączenie trzech i więcej data frame – VIDEO
  • Metoda plot – VIDEO
  • Parametry metody plot – VIDEO
  • Formatowanie wykresu – VIDEO
  • Wykres kołowy – VIDEO
  • Wykres słupkowy, skrzynkowy i histogram – VIDEO
  • Import danych – VIDEO
  • Export danych – VIDEO
  • Praca z Excel – VIDEO

Wymagania:

  • Podstawowa znajomość Python (zobacz kurs „Python dla początkujących”)
  • Doświadczenie w analizie danych w innym narzędziu np. Excel lub Google Sheets
  • Komputer z zainstalowanym środowiskiem (kurs zawiera opis instalacji na Windows)
  • Chęć wkroczenia w świat Data Science!
  • Znajomość baz danych – mile widziana, ale niekonieczna

Dla kogo jest ten kurs?

  • Analitycy danych, którzy analizy przeprowadzają w innych narzędziach niż Python i PANDAS
  • Chętni do poważnego zajęcia się Data Science
  • Osoby pragnące zajmować się sztuczną inteligencją i machine learning

Przykładowe lekcje:

Działa również na iPhone, iPad i Android!

Aktywuj kurs w przeglądarce. Następnie zainstaluj aplikację Udemy na swoim urządzeniu. Przejdź do „My courses” i ucz się gdziekolwiek. Jeśli problemem jest brak Internetu, to ściagnij kurs na komórkę i korzystaj z kursu offline!

Screenshot_2015-11-23-16-36-39

Screenshot_2015-11-23-16-37-20

Screenshot_2015-11-23-16-37-38