Python for Data Science

listopad 2019 - styczeń 2020

wtorki i czwartki w godz. 17.30 - 20.30

3 300 zł

2 900 zł dla naszych absolwentów

kurs wieczorowy

Zaawansowany

warsztaty
60 h
prework
3 h
praca w domu
15 h

Dla kogo jest ten kurs?

Szkolenie jest przeznaczone dla osób, które:

  • znają Pythona w stopniu podstawowym
  • porafią swobodnie obsługiwać command line’a i system kontroli wersji GIT

Czego nauczysz się na kursie?

  • wykorzystasz niezbędne narzędzia, m. in. Jupyter, IPython
  • poznasz popularne biblioteki do operacji z danymi, m. in. Numpy, Pandas, Matplotlib
  • nauczysz się przetwarzać i analizować dane
  • dowiesz się czym są anomalia, normalizacja, standaryzacja
  • poznasz podstawy statystyki
  • nauczysz się eksplorować dane (EDA) oraz graficznie je prezentować
  • wykorzystywać narzędzia do pracy na zdjęciach
  • dowiesz się czym jest Machine Learning
  • poznasz Sklearn, mierniki jakości
  • nauczysz się czym jesr regresja liniowa i logistyczna, drzewa decyzyjne, random forest, XGBoost, knn, Bayes

Jak uczysz się w Akademii?

Podczas kursu zapoznasz się z narzędziami oraz metodami pracy na stanowisku Data Science przy użyciu języka Python.

Stworzysz projekt, w którym wcześniej dostarczone dane będą poddane odpowiedniej obróbce oraz analizie. Następnie wykorzystując metody uczenia maszynowego stworzony zostanie model rozwiązania, który posłuży do późniejszej predykcji danych.

  • wykonasz przygotowujący Cię do rozpoczęcia zajęć prework – kluczowy dla późniejszego powodzenia na kursie
  • otrzymasz licencję edukacyjną na Pycharma na czas kursu
  • będziesz uczył się na warsztatach prowadzonych przez doświadczonego trenera – praktyka
78 h
podzielonych na:
3 h prework-u
– samodzielnego przygotowania do kursu
60 h warsztatów pod okiem trenera, w tym:
– zajęcia na sali szkoleniowej
– praca nad projektem
15 h pracy w domu, w tym:
– zadania domowe
– projekt
– powtarzanie materiału

W ramach kursu zapewniamy:
+ konsultacje z trenerami, także po zajęciach
+ Slack-a jako narzędzie do komunikacji
+ wszystkie niezbędne licencje na oprogramowanie w trakcie trwania kursu
+ wsparcie techniczne (jeśli masz problem ze swoim komputerem, pomożemy)
+ dostęp do materiałów w trakcie i po kursie

Prework

Czym jest prework?

W telegraficznym skrócie – jest to zestaw zadań i poleceń, jakie otrzymasz od nas, zanim rozpoczniesz kurs, a które Cię do niego przygotują. Jest on zawsze dostosowany do kursu, w którym bierzesz udział i zazwyczaj porusza kwestie przygotowania komputera i oprogramowania, czy zapoznania się z podstawowymi pojęciami z danego tematu.

Dlaczego prework jest tak ważny?

Przykładając się do jego wykonania, zapewniasz sobie i reszcie grupy sprawny start w kursie i możliwość bezproblemowego rozpoczęcia nauki i pracy nad projektem. Z drugiej strony, w przypadku naszych kursów – bardzo intensywnych i napakowanych wiedzą, zlekceważenie preworku może skutkować późniejszym nawarstwieniem się zaległości, które będzie niezwykle trudno nadrobić w trakcie kursu.

Ile czasu zajmuje prework?

Dla każdego kursu podajemy przybliżony czas potrzebny do wykonania preworku, jednak pamiętaj, by dać sobie rozsądny margines bezpieczeństwa na ewentualne powtórki, czy nieprzewidziane okoliczności.

Czas poświęcony na prework wydatnie zaprocentuje w trakcie kursu!

Nie martw się, prework to w gruncie rzeczy nic trudnego! Otrzymasz od nas wszystkie niezbędne materiały, linki oraz instrukcje jak krok po kroku zainstalować programy i narzędzia, z których będziesz korzystać w trakcie kursu.

Program kursu

Część I – Narzędzia i wizualizacja danych

  • resume podstaw Pythona i OOP oraz GITa
    • typy danych
    • definicja klas i tworzenie obiektów
    • dziedziczenie
    • strukturyzacja plików projektu
    • obsługa wyjątków
    • zapisywanie i odczytywanie danych z pliku
  • IPython, Jupyter
    • interaktywne programowanie
    • funkcje pomocnicze
    • uzupełnianie przyciskiem [tab]
    • magiczne funkcje
    • [TAB]
  • narzędzia agregacji i wizualizacji danych
    • macierze
    • operacje na macierzach
    • Numpy
      • Typy danych
      • Operacje matematyczne
      • Dane wielowymiarowe
      • funkcje na wektorach/macierzach, min, max, avg
    • dane w postaci tabel
    • wczytywanie danych w postaci plików csv
    • Pandas:
      • data frame
      • tworzenie struktur danych
      • wyciąganie informacji
      • operacje na tabelach, łączenie, uzupełnianie, sortowanie
    • obrazowanie danych na wykresie
    • kiedy lepszy jest wykres od tabeli
    • Matplotlib:
      • kompatybilność z numpy oraz pandas
      • tworzenie wykresów
      • łączenie wielu wykresów
      • analiza graficzna danych
    • Dane w postaci zdjęć
    • OpenCV lub Pillow:
      • Wczytywanie różnych formatów grafiki
      • Wyświetlanie grafiki
      • podział na kanały

Część II – Obróbka i analiza danych

  • ocena jakości danych
  • detekcja anomalii:
    • wartości niepasujące do reszty
    • błędny format
    • puste wartości
    • wartości znacznie oddalone od reszty
  • uzupełnianie brakujących wartości:
    • modalna
    • średnia
    • empirycznie dobrana przez analityka
    • estymowana
  • normalizacja
  • standaryzacja
  • statystyka
  • rozkłady
  • definicje probabilistyczne
  • eksploracja danych(EDA)
    • zbiory danych
    • korelacje
    • zmienne ilościowe, min, max, mediana, modalna, średnia, kwartyle
    • zmienne jakościowe
  • graficzna reprezentacja zależności między danymi
    • wykresy
    • histogramy
    • warstwice
    • wykresy rozrzutu
    • dyskretyzacja
  • przypadki kiedy danych jest niewiele
  • feature engineering
  • augmentacja danych
  • praca na zdjęciach
    • konwersja
    • ResizeCrop
    • funkcja splotu
    • filtry
  • dane wielowymiarowe
  • redukcja wymiarowości
    • rzutowanie
    • kryteria redukcji
    • analiza składowych głównych
    • analiza skupień
  • obrazowanie danych wielowymiarowych
    • radar plot
    • porównywanie obiektów
    • tabele wykresów
    • heatmapy
    • mapy drzew
    • hierarchiczne

Część III – Machine Learning

  • wstęp do machine learningu
  • podział na uczenie z nadzorem i bez
  • pojęcie klasyfikacji i regresji
  • sklearn:
    • moduły główne
    • możliwości
  • mierniki jakości
    • Precision
    • Recall
    • Accuracy
    • Confusion matrix
  • regresja liniowa
  • regresja logistyczna
  • drzewa decyzyjne
  • random forest
  • XGBoost
  • knn
  • klasteryzacja
  • Bayes
  • SVM
    • Zastosowanie w klasyfikacji
    • Zastosowanie w regresji
  • wstęp do sieci neuronowych
    • architektura
    • perceptron
    • wagi
    • biasy
    • funkcja aktywacji
  • optymalizatory
    • agd
    • RMSProp
    • Adam
  • porównanie modeli

Czego oczekujemy od Ciebie?

  • znajomości podstaw Pythona i programowania obiektowego
  • znajomości systemu kontroli wersji GIT
  • znajomości pracy z managerem pakietów pip
  • wysokiej motywacji
  • podstawowej znajomości języka angielskiego
  • umiejętności analitycznego myślenia
  • własnego laptopa z systemem operacyjnym Windows 7 / 8 / 10 /lub/ MacOS /lub/ Linux
    optymalna konfiguracja sprzętowa: procesor i5+ lub podobny, 8GB+ pamięci RAM, zalecany dysk SSD
  • Nie masz komputera przenośnego? Skontaktuj się z opiekunem kursu i zapytaj o możliwość wypożyczenia sprzętu.

Opiekun kursu

Alicja Wiśniewska

Kierownik Zespołu Organizacji Szkoleń

kontakt:
alicja.wisniewska@infoshareacademy.com
+48577998700

ZAPYTAJ O KURS







Wypełniając formularz zgadzasz się na przetwarzanie Twoich danych w celu nawiązania kontaktu w sprawie udziału w kursie.

Administratorem danych osobowych jest infoShare Academy sp. z o.o. z siedzibą w Gdańsku, al. Grunwaldzka 427B, 80-309 Gdańsk, KRS 0000561749, NIP 5842742213, który dane osobowe przetwarza zgodnie z Klauzulą informacyjną.

Strona korzysta z zabezpieczenia reCAPTCHA. Prywatność - Warunki.

KURSANCI O NAS

Zobacz co mówią kursanci po naszych kursach.
Poznaj ich historie.

POTRZEBUJESZ POMOCY
W SFINANSOWANIU KURSU?

Istnieje 8 sposób finansowania kursów w infoShare Academy, więc z pewnością znajdziesz coś dla siebie.

Możesz rozłożyć płatność na raty lub zapłacić jednorazowo, a jeżeli brakuje Ci pieniędzy,
żeby zapłacić za kurs, w szybki i wygodny sposób skontaktujemy Cię z naszym doradcą kredytowym.

Do Twojej dyspozycji są również takie metody finansowania jak pomoc Urzędu pracy,
Baza Usług Rozwojowych czy Krajowy Fundusz Szkoleniowy.

Uzyskaj środki na kurs

Skontaktuj się z nami




Wypełniając formularz zgadzasz się na przetwarzanie Twoich danych w celu nawiązania kontaktu w sprawie udziału w kursie.

Administratorem danych osobowych jest infoShare Academy sp. z o.o. z siedzibą w Gdańsku, al. Grunwaldzka 427B, 80-309 Gdańsk, KRS 0000561749, NIP 5842742213, który dane osobowe przetwarza zgodnie z Klauzulą informacyjną.

Strona korzysta z zabezpieczenia reCAPTCHA. Prywatność - Warunki.



WARSZAWA

ul. Puławska 2
Plac Unii Lubelskiej
Budynek B

KRAKÓW

ul. Cystersów 20a
Office@Cowork Centre

LUBLIN

ul. Józefa Franczaka „Lalka” 43
Inkubator Fundacji Rozwoju Lubelszczyzny

GDAŃSK

al. Grunwaldzka 472B
Olivia Business Centre
budynek Olivia Four (O4)

SZCZECIN

ul. Cyfrowa 6
Technopark Pomerania

POZNAŃ

ul. Słowackiego 55/1
60-521 Poznań

WROCŁAW

ul. Plac Solny 15
Idea Place