Курс Python для анализа данных [2020] [Level UP]

Курс Python для анализа данных [2020] [Level UP]

В последние годы язык программирования Python становится более востребованным и популярным по нескольким причинам:

• множество уже готовых удобных библиотек и фреймворков делает этот язык №1 в сфере обработки данных для научных вычислений
• Python для анализа данных используется многими большими компаниями такими, как , Yandex, Google, Facebook, Uber и другими
• простота синтаксиса и освоения позволяют новичкам быстро научиться программировать и решать достаточно сложные задачи

Курс Python для анализа данных является продолжение курсов Основы программирования на Python. Уровень 1 и Основы программирования на Python. Уровень 2 и не подходит для тех, кто хочет освоить Pyhton с нуля.

Спойлер: Содержание

Занятие 1. Анализ табличных данных стандартными средствами Python

• Стандартные типы коллекций (списки, словари и т.д.) и приемы эффективной работы с ними
• Чтение и запись csv и tsv файлов
• Обработка Excel файлов с помощью OpenPyXL.
• Практика: анализ источника данных "Климат городов России"
• ДЗ: решение задач биоинформатики (4 шт).

Занятие 2. Использование SQL для анализа и манипулирования данными

• Определение СУБД. Немного теории (нормальные формы)
• Операторы SQL.
• Python Database API Specification - для работы с любой СУБД
• Примеры работы со встраиваемой СУБД SQLite
• Практика: создание реляционных таблиц из источника данных "Климат городов России" и выполнение аналитических запросов

Занятие 3. NumPy как средство обработки данных

• Ndarray - объект многомерного массива
• Математические и статистические операции
• Файловый ввод/вывод массивов
• Немного линейной алгебры
• Генерация случайных чисел.
• Практика: анализ двумерного массива

Занятие 4. Сбор и подготовка данных. Работа с XML, HTML и JSON. Автоматизация сбора данных

• Библиотека beautifulsoup для разбора HTML файлов
• Форматы структурированных данных JSON и XML. Примеры практической работы.
• Использование Splinter для автоматизации сбора данных
• Практика: получение данных от веб-сервисов прогноза погоды и расчет обобщенных показателей

Занятие 5. Визуализация данных в Python: matplotlib, plotly, bokeh

• API библиотеки matplotlib
• Линейные и столбчатые диаграммы
• Гистограммы и графики плотности
• Визуализация данных на карте
• Построение интерактивных диаграмм с помощью plotly и bokeh

Занятие 6. Библиотека pandas. Базовая функциональность

• Арифметические операции и выравнивание данных
• Редукция и вычисление описательных характеристик
• Обработка отсутствующих данных
• Практика: работа с набором данных рейтинга фильмов

Занятие 7. Переформатирование данных с помощью pandas

• Комбинирование и слияние наборов данных
• Изменение формы и поворот
• Устранение дубликатов и прочие преобразования данных
• Практика: работа с набором данных рейтинга фильмов

Занятие 8. Аггрегирование данных и групповые операции

• Группировка с помощью функций
• Группировка по уровням индекса
• Аггрегирование данных
• Групповые операци и ипреобразования
• Сводные таблицы

Занятие 9. Введение в машинное обучение. Модели, задачи классификации и библиотека SciKit

• Обзор задач машинного обучения и библиотек для их решения
• Построение классификаторов
• Методы кластеризации
• Практика: пример кластеризации сообщений

Занятие 10. Дополнительные возможности и библиотеки

• Дополнительные возможности NumPy и Pandas
• Обзор интересных сторонних библиотек
• Решение практических задач
• Выборочное повторение пройденного материала

Продажник