składa się z dwóch kursów poświęconych językowi programowania Python. Kursy zostały przygotowane z myślą o pracy analityka danych, tzw. Data Scientist. Kurs Analiza danych i programowanie w Python jest przeznaczony dla osób, które rozpoczynają przygodę z Pythonem, zaś Zaawansowane programowanie i automatyzacja pracy w Pythonie to propozycja dla osób, które znają podstawy Pythona, czują się swobodnie w pracy z Pandasem i Matplotlibem, ale chciałyby pogłębić swoją wiedzę z Pythona i poszerzyć możliwości.

Kurs Python - Python

Analiza danych i programowanie w Pythonie

Poziom: podstawowy + średnio zaawansowany

30 godzin dydaktycznych

Zajęcia w sali komputerowej

Zaświadczenie ukończenia

Nowy kurs

Koordynator: Piotr Ćwiakowski (pcwiakowski@labmasters.pl)

Oprogramowanie: Python / Jupyter Notebook

Miejsce: Wydział Nauk Ekonomicznych UW, Warszawa ul. Długa 44/50 (mapa)


749 zł  787 zł
(608,94 zł netto)           (639,84 zł netto)

Cena zawiera m.in. certyfikat zdania egzaminu (na podstawie rozwiązanych zadań sprawdzających), zaświadczenie ukończenia kursu (na podstawie obecności), komplet materiałów w formie elektronicznej i papierowej, darmowe konsultacje (więcej).

Opis kursu

Podstawowym przeznaczeniem kursu Analiza danych i programowanie w Pythonie, jest wprowadzenie do języka Python, który jest obecnie jednym z najpopularniejszych języków programowania, używanym zarówno do analizy i wizualizacji danych jak i tworzenia aplikacji webowych i natywnych. Zajęcia dedykowane są przede wszystkim osobom rozpoczynającym przygodę z programowaniem lub Pythonem. Użytkownicy niepracujący wcześniej z danymi ilościowymi powinni (naszym zdaniem) najpierw dobrze poznać środowisko MS Excel. Przydatna, ale nie niezbędna, może być znajomość programu R. Praca w Pythonie oznacza niemal wyłącznie pisanie komend (korzystając z różnorodnych bibliotek) – interfejs graficzny jest tylko dodatkiem i ułatwieniem w programowaniu i obliczeniach.

Tematyka kursu obejmuje zapoznanie Słuchaczy z językiem programowania Python oraz środowiskiem Jupyter Notebook, zapoznanie z podstawami programowania oraz ideą programowania obiektowego oraz przedstawienie podstawowych pakietów do przetwarzania danych oraz wizualizacji graficznej. W programie kursu znajdują się również charakterystyczne dla Pythona elementy dotyczące podstawowych obiektów oraz kontroli przepływu czy też obsługi błędów.

Kurs ma charakter warsztatowy i intensywny – podczas każdych zajęć oprócz prezentacji, wyczerpująco skomentowanych skryptów Pythona, Słuchacze wykonują pod kierunkiem prowadzącego wiele krótkich ćwiczeń i zadań, które sprawiają, że wiedza przekazywana na zajęciach natychmiast zamienia się w konkretne umiejętności. Po kursie Słuchacz jest samodzielnym programistą języka Python i potrafi poszerzać swoje kompetencje w wybranym przez siebie kierunku.


Rejestracja na kurs

Grupa 1:
Termin: 28.02.2019-16.03.2019, czwartki w godz. 16.40-20.40 i soboty w godz. 14.30-18.30
Daty zajęć: 28.02, 02.03, 07.03, 09.03, 14.03, 16.03
Stan zapisów: rejestracja zakończona (brak miejsc)

Grupa 2:
Planowany termin: 29.03.2019-13.04.2019, piątki w godz. 16.30-20.30 i soboty w godz. 9.30-13.30
Daty zajęć: 29.03, 30.03, 05.04, 06.04, 12.04, 13.04
Stan zapisów: trwa rejestracja (zapisy na listę rezerwową)

Zapisz Mnie


Zapisy na kurs w innym terminie

W tym momencie rejestracja na kurs Analiza danych i programowanie w Pythonie w innym terminie jest nieaktywna. Jeżeli jesteś zainteresowany(a) wzięciem udziału w tym kursie, zgłoś wstępną chęć uczestnictwa. Dzięki temu, wcześniej niż inni otrzymasz informację o zapisach i będziesz mieć pierwszeństwo w rejestracji.

Zgłoś mnie

Szczegółowa tematyka kursu

Wprowadzenie do środowiska Python oraz Jupyter Notebook.

Omówienie środowiska pracy jakim jest Jupyter Notebook, zasady działania Pythona, Ipythona. Wprowadzenie typów prymitywnych (float, int), podstawowych obiektów (listy, ktorki, zbiory, słowniki). Praca ze stringami (w tym formatowanie stringów i korzystanie z metod wbudowanych w obiekt string).

Kontrola przepływu.

Wykorzystanie podstawowych elementów do kontroli przepływów takich jak for/if/while wraz z elementami pass, break i continue. Wykorzystanie iteratorów oraz funkcji enumerate. Charakterystyczne dla Pythona funkcje list oraz dict comprehension (szybkie tworzenie list oraz słowników). Wykorzystanie funkcji zip do iterowania wielu obiektów. Podstawy obsługi błędów w Pythonie.

Funkcje i obiekty.

Zasady tworzenia funkcji w Pythonie, w tym funkcji lambda (anonimowych). Funkcje rekurencyjne. Wykorzystanie dynamicznej listy argumentów. Omówienie zakresów zmiennych przy wykorzystywaniu funkcji. Wprowadzenie do tworzenia obiektów. Wykorzystanie dziedziczenia obiektów. Profilowanie kodu w Pythonie.

Numpy i Scipy.

Numpy to podstawowa biblioteka algebraiczna Python. W połączeniu z pakietem naukowym Scipy przedstawione zostaną podstawowe zagadnienia matematyczne i statystyczne. Tworzenie wektorów, macierzy. Operacje algebraiczne na wektorach i macierzach. Generowanie liczb pseudolosowych z szerokiej rodziny rozkładów. Funkcje statystyki opisowej i matematycznej.

Pandas.

Pandas to niesłychanie rozbudowana biblioteka do przetwarzania danych, która zaspokoi potrzeby każdego analityka. Przedstawione zostaną podstawowe obiekty DataFrame i Series, szeroka rodzina wbudowanych funkcji do pracy z danymi (fillna, dropna, query, drop_duplicates, sort_values, funkcje statystyczne etc.). Dodatkowo omówiona zostania praca z szeregami czasowymi, łączenie zbiorów danych oraz ich przetwarzanie (pivot, melt groupby, aggregate).

Wizualizacje.

Wykorzystanie podstawowego pakietu Pythona do wizualizacji Matplotlib. Tworzenie wykresów, facetowanie, kontrola nad warstwami i seriami. Konfiguracja podstawowych elementów wykresu, eksport wykresów do formatów wektorowych i rastrowych. Integracja Pandas z Matplotlib.


Czego się nauczysz

Na kursie Analiza danych i programowanie w Pythonie nauczysz się programowania w Pythonie w stopniu średnio zaawansowanym. Będziesz potrafić efektywnie wykonywać szczegółowe analizy zbiorów danych i komunikować wyniki za pośrednictwem przejrzystych tabel i ciekawych, atrakcyjnych graficznie wykresów. Co ważniejsze, będziesz potrafił(a) samodzielnie rozbudowywać swoje kompetencje programistyczne w Pythonie, wyszukiwać potrzebne funkcje i biblioteki w Internecie i aplikować je w swoich analizach.