Programming & Analytics with Python
Intregul curs de Programming & Analytics with Python presupune lucrul cu bibliotecile Pandas, Seaborn, Matplotlib in scop data analysis complex si complet, un nou nivel de analiza date.
Programming inseamna 15% – invatam modul de lucru, sintaxa, 85% din curs este analytics.
In acest moment demaram suita Python cu primul modul Programming & Analytics with Python. Ne-am propus si noi cursuri: Data Science with Python si Machine Learning with Python, insa avem nevoie de timp, ne scriem singuri cursurile si adaptam totul la nevoile de la job.
Trainingul actual este practic, bazat pe situatii de la job, pe nevoile din business.
In cadrul cursului sunt rezolvate mai multe proiecte end-to-end pentru a integra toate informatiile din curricula trainingului: studierea comportamentului clientilor, campanii de marketing, explorarea seturilor de date, definirea pattern-urilor de date, anomalii in date si tratarea acestora.
Dupa fiecare zi de curs, participantii vor putea aplica la job notiunile invatate.
- DESFASURARE CURS:
- Cursul de Programming & Analytics with Python – se desfasoara pe parcursul a 30 de ore.
- Cunostintele necesare participarii: SQL (extragere date, creare tabele, join-uri intre tabele – recomandam cursul de SQL Querying For Business inainte de cursul de Python), precum si notiuni de Excel (grafice, tabele pivot, functia VLOOKUP).
- Cursul se adreseaza persoanelor domeniul Data Analysis care doresc sa mearga catre analiza avansata de date, volum mare de date, automatizare data analysis.
Structura cursului
- Python utilizat in operatii matematice
- Introducere in lucrul cu variabile
- Functia de afisare: print()
- EXERCITII – Introducere in Python
- Structuri de date: numerice, sir de caractere, boolean, liste, dictionare, tuple.
- Tipuri de date: numerice, sir de caractere, Boolean
- Operatii cu structuri de date: numerice, sir de caractere, logice.
- Colectii de date – Liste
- Functii predefinite in lucrul cu listele: print, len, min, max, sum aplicate asupra listelor.
- Operatii la nivel de element din liste
- Feliere Liste – selectie elemente din liste
- Modificarea elementelor in liste
- Ordonare si inversare liste
- Adaugare/extindere si eliminare elemente la/din liste
- Colectii de date – Range – generator de secvente numerice
- Colectii de date – Tupluri
- Colectii de date – Dictionare
- EXERCITII: Colectii de date (tupluri, dictionare), Expresii conditionale
- Functii si expresii lambda. EXERCITII – Functii si expresii lambda
- Parcurgere colectii de date – BUCLE For
- Expresii conditionale (IF, ELIF, ELSE)
- Parcurgere colectii de date – BUCLE WHILE
- EXERCITII: Control Flow-uri
- Serii Pandas – vectori (coloane)
- Crearea unei serii Pandas, pe baza unor obiecte Python
- Generare serie cu ajutorul unui dictionar
- Serii: indexare nominala, potentiale erori, operatii cu serii
- Import fisier intr-un data frame
- Import fisier csv, flat files, Excel, web – HTML
- Analiza exploratorie a setului de date: coloane, randuri, top 3, bottom 3, metadata, statistici
- Extragere date dintr-un data frame: selectie si indexare
- Filtrare seturilor de date in functie de diferite conditii
- EXERCITII Data Frame
- Modalitati de gestionare a datelor lipsa: pastrarea datelor lipsa, eliminarea datelor lipsa, inlocuirea datelor lipsa.
- Operatii de grupare: groupby, multiindex
- Tabele Pivot in Pandas
- Metoda pivot_tabel()
- EXERCITII inspectarea datelor si tratarea anomaliilor
- Speta de business ECOMMERCE – Join-uri in exemple practice de analiza date
- Proiect Pandas – studierea setului de date
- Proiect Pandas – Rapoarte – Tabele pivot.
- PROIECT SUPLIMENTAR: CAMPANII MARKETING – DATA VISUALIZATION – Rolul proeictului de business este de a transpune tehnica solicitarile de business utilizand biblioteca Matplotlib, precum si biblioteca Pandas. Predarea vizualizarilor cu Matplotlib se va realiza parcurgand proiectul pas cu pas. Se vor realiza urmatoarele prelucrari:
- Inspectia si pregatirea datelor a datelor:
- Analiza exploratorie a datelor
- Grafice Matplotlib – vizualizare datelor analizate
- Indicatori de performanta
- Segmentarea audientei. Determinarea celui mai bun canal de retentie.
- Agregare dupa data
- Reprezentarea grafica a rezultatelor campaniei – Matplotlib
- Evaluarea canalelor de marketing in functie de grupe de varsta
- Automatizarea procesului de analiza
- Identificare inconsistente/anomalii
- Rezolvare inconsistente
Oferta de pret
Prețul cursului include suportul de curs și materialele didactice, prestația trainerului.
2200 Ron + TVA/pers