KURS W FORMULE BLENDED LEARNING
Python w analizie danych
Kurs Python w analizie danych da Ci solidne przygotowanie do rozpoczęcia kariery w branży IT lub jeśli pracujesz już w IT, znacznie ułatwi przygotowanie do pracy z analizą danych.
Na czym polega formuła blended learning?
Blended learning to kurs, który łączy nagrania wideo, zawierające część teoretyczną z praktycznymi warsztatami na żywo, prowadzonymi przez trenera
w wirtualnej klasie. Nagrania oraz inne, przydatne materiały dostępne są na platformie e-learningowej. Trener prowadząc zajęcia na żywo odnosi się do treści zrealizowanego wcześniej modułu online.
Sprawdź, czy ten kurs jest dla Ciebie
Kurs będzie dla Ciebie dobrym wyborem jeśli:
A także chcesz kontynuować swoją karierę w analizie danych.
Być może pracujesz pracujesz jako analityk danych.
Chcesz przenieść obliczenia do czegoś bardziej wydajnego.
Chcesz poznać technologie: NumPy, Pandas, Matplotlib.
Co osiągniesz w czasie dwumiesięcznego kursu Python w analizie danych?
Poznasz język Python od podstaw, w tym takie zagadnienia programistyczne jak: zmienne, struktury danych, pętle, instrukcje warunkowe, funkcje, programowania obiektowe.
Poznasz najważniejsze biblioteki do analizy danych: Pandas (biblioteka do analizy danych wraz z ich wizualizacją), NumPy (biblioteka do analizy numerycznej danych zawierająca funkcje ułatwiające przetwarzanie dużej ilości informacji).
Poznasz najpopularniejszą bibliotekę do wizualizacji danych Matplotlib zawierającą bardzo rozbudowane możliwości tworzenia wykresów i zestawień.
Nauczysz się praktycznego wykorzystania Pythona do skutecznej analizy danych.
Dlaczego warto zainwestować w kurs Python w analizie danych?
✔️ Kurs stworzony na podstawie najbardziej efektywnego modelu nauczania: blended learning. Połączenie samodzielnej nauki teorii w domu na podstawie udostępnionych nagrań (e-learning) z zajęciami warsztatowymi online z trenerem na żywo. Do zrobienia ponad 190 zadań. Cały kurs trwa 70 godzin i jest sensownie rozłożony w czasie 2 miesięcy.
✔️ Python jest jednym z liderów na rynku języków programowania. Popularity of Programming Language Index plasuje go na pierwszym miejscu, RedMonk na drugim, a Tiobe Index na trzecim miejscu pod względem popularności i ilości wytwarzanego oprogramowania.
✔️ Otrzymasz indywidualny dostęp do platformy, na której udostępnimy Ci materiały w formie nagrań wideo, które będziesz mógł oglądać kiedy chcesz i ile chcesz.
✔️ W razie gdybyś potrzebował konsultacji, wsparcia podczas rozwiązania zadania to bez przeszkód komunikujesz się z innymi uczestnikami kursu oraz z trenerem.
✔️ Autorem kursu jest Matt Harasymczuk, człowiek z pasją i ogromnym doświadczeniem w pracy z kursantami. W jego ok. 1000 szkoleń łącznie brało udział prawie 10 tysięcy osób.
✔️ Projekt do wykonania samodzielnego podlegający weryfikacji i ocenie końcowej, oparty o rzeczywiste dane i praktyczny problem. Rezultatem jest stworzenie pliku z kodem oraz dokumentacją. W trakcie realizacji projektu końcowego istnieje możliwość konsultacji z prowadzącym.
✔️ 5 pytań zamkniętych jednokrotnego wyboru. Po realizacji każdego modułu będziesz miał możliwość weryfikacji nabytej wiedzy.
✔️ Prosta, czysta struktura kodu powoduje, że niewiele linijek kodu może zamienić się w niepowtarzalną aplikację.
Zaaplikuj na kurs Python w analizie danych
Liczba miejsc na każdą z edycji jest ograniczona. O udziale w kursie decyduje kolejność podpisanych umów, więc nie zwlekaj z decyzją.
Python w analizie danych
warsztaty na żywo + materiały online
- 6x5h warsztatów z autorem kursu (razem 30h)
- 40h nagrań wideo na platformie e-learningowej
- Formuła kursu - blended learning: dostęp do nagrań z teorią + warsztaty z trenerem na żywo
- Nieograniczony dostęp do nagrań z kursu
- Konsultacje i mentoring
- Aktualne narzędzia i dobre praktyki
- Zadania domowe i konsultacje przy ich rozwiązaniu na zamkniętej grupie na Slacku
Program kursu
1. Przygotowanie środowiska do pracy i wstęp do programowania
- ✔️ Wprowadzenie do Python
- ✔️ Instalacja środowiska Python
- ✔️ Problemy podczas instalacji i konfiguracji środowiska
- ✔️ Wprowadzenie do IDE na przykładzie Jupyter
- ✔️ Instalacja i uruchamianie Jupyter i pakietów
- ✔️ Obsługa interfejsu Jupyter
- ✔️ Użytkowanie Jupyter
- ✔️ Najczęstsze problemy
- ✔️ Podstawowe słownictwo programistyczne
- ✔️ Podstawy programowania: zmienne, stałe, typy danych
- ✔️ Sterowanie przepływem: instrukcje warunkowe, pętle
- ✔️ Automatyzacja pracy: funkcje
2. Python: struktury danych
- ✔️ Elementy składni języka
- ✔️ Numeryczne typy danych
- ✔️ Logiczne typy danych
- ✔️ Łańcuchy znaków
- ✔️ Sekwencje
- ✔️ Słowniki
3. Python: Instrukcje sterujące
- ✔️ Instrukcje warunkowe i sterujące przepływem
- ✔️ Pętle
- ✔️ Rozwinięcia i wyrażenia generatorowe
- ✔️ Funkcje
- ✔️ Programowanie obiektowe
4. Biblioteka standardowa języka Python
- ✔️ Pliki
- ✔️ Datatime
- ✔️ Serializacja
- ✔️ Bazy danych
- ✔️ Wyrażenia regularne
5. Analiza numeryczna z NumPy
- ✔️ Typy wbudowane i stałe
- ✔️ Import i export danych
- ✔️ Definiowanie tablic
- ✔️ Pseudolosowość
- ✔️ Atrybuty tablic
- ✔️ Wybieranie i iteracja
- ✔️ Manipulacja danymi
- ✔️ Statystyka i arytmetyka na tablicach
- ✔️ Logika elementów tablic
- ✔️ Trygonometria
- ✔️ Wielomiany
6. Pandas: Analiza danych
- ✔️ Konfiguracja biblioteki oraz wyświetlania
- ✔️ Import i export danych
- ✔️ Typy danych
- ✔️ Daty i szeregi czasowea
- ✔️ Indeksy i atrybuty
- ✔️ Series i DataFrame
- ✔️ Operacje na Seriach i DataFrame
- ✔️ Architektura i plany rozwoju Pandas
7. Wizualizacja z Matplotlib oraz zagadnienia wydajnościowe
- ✔️ Rodzaje wykresów i podstawianie danych
- ✔️ Stylowanie wykresów
- ✔️ Wykresy i podwykresy
- ✔️ Export do różnych formatówn
- ✔️ Alternatywy do Matplotlib
- ✔️ Integracja Matplotlib z Pandas
- ✔️ Złożoność obliczeniowa, notacja wielkiego O
- ✔️ Techniki pracy z danymi większymi niż ilość RAMu
- ✔️ Triki zwiększające wydajność
8. Case studies
- ✔️ Case studies: COVID-19, dane sportowe
- ✔️ Pobieranie danych z różnych źródeł
- ✔️ Oczyszczanie informacji
- ✔️ Selekcja istotnych informacji
- ✔️ Wykorzystanie metod Numpy, Pandas i Matplotlib
- ✔️ Przygotowanie do analizy
- ✔️ Wizualizacja danych
Autorem kursu jest Matt Harasymczuk
Programuje od końca lat 90 ubiegłego wieku, a od 2005 roku zawodowo związany jest z branżą inżynierii oprogramowania. Pracował w Allegro, Centralnym Ośrodku Informatyki, Polskiej Agencji Żeglugi Powietrznej oraz w Europejskiej Agencji Kosmicznej. Prowadzi dwie firmy z branży kosmicznej oraz IT: Astro Tech and Bioastronautics i Analog Astronaut Training Center. Założył firmę szkolącą kandydatów na astronautów. Jest właścicielem habitatu, symulatora bazy kosmicznej, i tworzy dla niego system operacyjny wykorzystujący mechanizmy uczenia maszynowego (sieci neuronowe) i analizę danych biomedycznych, psychologicznych i środowiskowych budynku do inteligentnego wsparcia załogi astronautów oraz detekcji anomalii. Napisał kilka książek dotyczących inżynierii oprogramowania, procesów IT oraz astronautyki. Od 2015 roku prowadzi szkolenia jako trener Sages. Ma ponad 7800 godzin doświadczenia w prowadzeniu warsztatów dla ponad 28 tys. osób. Dotychczas przeprowadził szkolenia dla 196 organizacji z rónych sektorów.
Kursy, na których prowadzi zajęcia:
Co sądzą o kursie Python w analizie danych nasi kursanci?
" Matt posiada duże doświadczenie praktyczne, którym potrafi się podzielić. Jest to człowiek z pasją, który zaraża wszystkich dokoła:) Przygotowany podręcznik jest dobrze zredagowany. Na zajęciach było dużo zadań praktycznych. "
Absolwentka kursu
" Prowadzący, który ma sporą wiedzę, potrafi tłumaczyć zawiłe tematy w sposób zrozumiały, dzieli się wiedzą praktyczną, na co zwracać uwagę, co zapada w pamięć. "
Absolwent kursu
" Widać, że prowadzący posiada duże doświadczenie praktyczne w programowaniu. Dawał bardzo dużo praktycznych porad wynikających z posiadanego doświadczenia. Tematy przedstawione zostały w sposób zrozumiały, ze zwróceniem uwagi na mogące sprawiać trudności detale. Zdecydowanie warto było w nim uczestniczyć. "
Absolwent kursu
Często zadawane pytania
Czy kurs jest dla mnie?
Kurs jest od podstaw i prowadzi uczestnika od instalacji środowiska po tematy związane z analizą danych wraz z ich wizualizacją. Jest to idealny kurs zarówno, dla osób, które wcześniej nie znały Pythona jak i tych, które chciałyby usystematyzować już zdobytą wiedzę i poznać tematy bardziej zaawansowane.
Jak długo będę mieć dostęp do materiałów programu i społeczności tworzonej przez grono uczestników?
Otrzymasz dożywotni (a raczej tak długo jak będzie istniał kurs) dostęp do tej edycji kursu, wszystkich materiałów w niej zawartych, przyszłych aktualizacji oraz społeczności (platforma slack).
Co to znaczy, że kurs jest w formie blended learning?
Blended learning to kurs w formie nagrań wideo z teorii połączonej z zajęciami warsztatowymi na żywo z trenerem w wirtualnej klasie. Nagrania zamieszczone są na platformie e-learningowej, do której otrzymujesz indywidualny dostęp. Poza nagraniami wideo dostępne są pliki do pobrania (kod źródłowy, slajdy, pliki tekstowe, odnośniki do zewnętrznych materiałów, testy, etc.) Podczas zajęć prowadzący realizuje z Wami praktyczne zadania z zakresu minionego modułu e-learningowego.
Ile czasu powinienem poświęcić na samodzielną pracę nad każdym modułem (w tydzień)?
Zalecany czas to 6 lub więcej godzin w tygodniu. Zachęcamy do regularnej pracy w ciągu tygodnia. Oczywiście godziny samodzielnej nauki możesz wyznaczyć dowolnie, według swojego rytmu dnia.
Czy podana cena jest netto czy brutto?
W przypadku osób prywatnych podana cena to cena końcowa, w przypadku finansowania szkolenia przez firmy - jest to cena netto - doliczamy 23% VAT.
Kiedy odbywają się spotkania warsztatowe?
Spotkania odbywają się w soboty (zgodnie z ustalonym harmonogramem każdej grupy) w godzinach 09:00 – 14:00.