The data analysis and visualization in Python. Packages Pandas, numpy, Matplotlib
Всього за кілька років засоби аналізу даних, доступні розробникам на Python, зробили ривок вперед. З'явилися потужні пакети, що реалізують алгоритми машинного навчання, обробку природних мов, Статистичний аналіз і візуалізацію.
Інструменти мови Python прості у використанні, при цьому мають широкі можливості застосування. Програмування на Python-простий і ефективний варіант для входження в популярну сферу Data Science.
Унікальна особливість мови-можливість швидкого вбудовування аналізу даних в веб-додатки.
Курс " аналіз і візуалізація даних на мові Python. Бібліотеки Pandas, numpy, Matplotlib " призначений для тих, хто шукає гнучкий інструмент обробки, аналізу та візуалізації даних і планує застосовувати свої навички в роботі великими масивами інформації.
Слухачі вивчать найважливіші і широко поширені бібліотеки numpy, Matplotlib і Pandas, які масово застосовуються в різних областях виробничої, фінансової та наукової діяльності.
Навчання на курсі побудовано на прикладах реальних проектів в області обробки даних.
Курс читається на базі операційної системи Linux, проте його матеріал може бути застосований і на Windows.
Курс призначений для програмістів, аналітиків, науковців. Також курс може служити введенням в Data Science.
після закінчення курсу ви будете вміти:
Всього за кілька років засоби аналізу даних, доступні розробникам на Python, зробили ривок вперед. З'явилися потужні пакети, що реалізують алгоритми машинного навчання, обробку природних мов, Статистичний аналіз і візуалізацію.
Інструменти мови Python прості у використанні, при цьому мають широкі можливості застосування. Програмування на Python-простий і ефективний варіант для входження в популярну сферу Data Science.
Унікальна особливість мови-можливість швидкого вбудовування аналізу даних в веб-додатки.
Курс " аналіз і візуалізація даних на мові Python. Бібліотеки Pandas, numpy, Matplotlib " призначений для тих, хто шукає гнучкий інструмент обробки, аналізу та візуалізації даних і планує застосовувати свої навички в роботі великими масивами інформації.
Слухачі вивчать найважливіші і широко поширені бібліотеки numpy, Matplotlib і Pandas, які масово застосовуються в різних областях виробничої, фінансової та наукової діяльності.
Навчання на курсі побудовано на прикладах реальних проектів в області обробки даних.
Курс читається на базі операційної системи Linux, проте його матеріал може бути застосований і на Windows.
Курс призначений для програмістів, аналітиків, науковців. Також курс може служити введенням в Data Science.
після закінчення курсу ви будете вміти:
- створювати та обробляти Числові масиви.
- створювати діаграми і графіки різних видів і форматів.
- Об'єднати та переформувати дані.
- основи аналізу та візуалізації даних, застосовуваний для цієї мети базовий інструментарій мови Python;
- основні поняття і методики бібліотеки numpy: масив, скаляр, масова операція, основні операції з масивами, основні функції бібліотеки;
- бібліотеку Matplotlib її основні поняття і методики застосування;
- основні види графіків і діаграм, способи їх побудови;
- основні поняття і методики бібліотеки Pandas.
Модуль 1. Встановлення та налаштування програмного забезпечення. Базовий інструментарій.
Робота з масивами і матрицями.
Модуль 4. Бібліотека Matplotlib. Візуалізація даних.
Первинна обробка даних.
Статистика. Об'єднання та переформування даних.
- принципи організації та управління обчисленнями. Використовувані мови програмування та взаємозв'язок між ними.
- необхідні пакети Python: numpy, Matplotlib, Pandas, Jupyter та інші.
- Дистрибутив Anaconda, його переваги та недоліки.
- Встановлення пакетів у Linux.
- Встановлення пакетів у Windows. Можливі проблеми і методи їх вирішення.
- поняття масиву і його основні характеристики.
- Структура бібліотеки.
- типи даних бібліотеки numpy.
- принципи обчислень.
- універсальні функції.
- найважливіші стандартні функції.
Робота з масивами і матрицями.
Модуль 4. Бібліотека Matplotlib. Візуалізація даних.
- види графіків і діаграм.
- основні елементи діаграми.
- створення діаграми.
- формати зображень.
- графік функції.
- Гістограма.
- Об'єкт Series.
- Об'єкт DataFrame.
Первинна обробка даних.
- завантаження і вивантаження даних.
- організація колонок і рядків.
- Пропуски та повтори.
- типи даних для представлення часу.
- Об'єкт Period.
- основні операції статистики.
Статистика. Об'єднання та переформування даних.
- Об'єднання даних.
- зчеплення і накладення (concatenating and stacking).
- злиття (merging and joining).
https://privatelink.de/?https://www.specialist.ru/course/python32