Data Science med Python - eLearning

Data Science med Python - eLearning

4.900,00 SEK

  • 12 hours
eLearning

Kursen "Python för dataanalys" täcker grundläggande programmeringskoncept med Python och förklarar även dataanalys, maskininlärning, datavisualisering, webbskrapning och bearbetning av naturligt språk. Du kommer att utveckla en omfattande förståelse för de olika paket och bibliotek som krävs för att utföra olika aspekter av dataanalys.

Kurstidslinje

Hero
  1. Översikt av dataanalys

    Lektion 01

  2. Översikt av dataanalys

    Lektion 02

  3. Statistisk analys och affärstillämpningar

    Lektion 03

  4. Installation och grundläggande inställningar för Python-miljön

    Lektion 04

  5. Matematisk beräkning med Python (NumPy)

    Lektion 05

  6. Vetenskaplig beräkning med Python (Scipy)

    Lektion 06

  7. Datahantering med Pandas

    Lektion 07

  8. Maskininlärning med Scikit-Learn

    Lektion 08

  9. Bearbetning av naturligt språk med Scikit Learn

    Lektion 09

  10. Datavisualisering i Python med matplotlib

    Lektion 10

  11. Webbskrapning med BeautifulSoup

    Lektion 11

  12. Python-integration med Hadoop MapReduce och Spark

    Lektion 12

  13. Python Grundläggande

    GRATIS KURS

  14. Statistikgrunder för dataanalys

    GRATIS KURS

  15. Produktbetygsprognos för Amazon

    Projekt 1

    E-handel: Amazon, ett av de ledande amerikanska e-handelsföretagen, rekommenderar produkter inom samma kategori till kunder baserat på deras aktivitet och recensioner av andra liknande produkter. Amazon vill förbättra denna rekommendationsmotor genom att förutsäga betyg för produkter som inte har blivit betygsatta och därefter lägga till dem i rekommendationerna.

  16. Efterfrågeprognoser för Walmart

    Projekt 2

    Detaljhandel: Förutspå exakta försäljningssiffror för 45 butiker hos Walmart, en av de ledande detaljhandelskedjorna i USA,

    med tanke på effekten av kampanjmässiga prissänkningsevenemang. Kontrollera om makroekonomiska faktorer som KPI, arbetslöshetsgraden, etc., påverkar försäljningen.

  17. Förbättra kundupplevelsen för Comcast

    Projekt 3

    Telekom: Comcast, ett av de globala telekommunikationsföretagen baserade i USA, vill förbättra kundupplevelsen genom att identifiera och agera på problemområden som sänker kundnöjdheten, om det finns några. Företaget letar också efter viktiga rekommendationer som kan genomföras för att leverera den bästa kundupplevelsen.

  18. Personalminskningsanalys för IBM

    Projekt 4

    Arbetskraftsanalys: IBM, ett av de ledande amerikanska IT-företagen, skulle vilja identifiera de faktorer som påverkar personalomsättningen. Baserat på de angivna parametrarna skulle företaget också vilja bygga en logistisk regressionsmodell som kan hjälpa till att förutsäga om en anställd kommer att sluta.

  19. Analys av NYC 311-tjänsteförfrågningar

    Projekt 5

    Kan du utföra en datanalys av servicebegäranden för New York Citys 311-samtal? Du kommer att fokusera på tekniker för datamanipulering för att förstå mönster i datan och visualisera de största klagomålstyperna.

    Domän: Telekommunikation

  20. Analys av MovieLens-dataset

    Projekt 6

    GroupLens Research Project är en forskargrupp vid institutionen för datavetenskap och

    Ingenjörsvetenskap vid University of Minnesota. Forskarna i denna grupp är involverade i flera forskningsprojekt inom områdena för informationsfiltrering, kollaborativ filtrering och rekommendationssystem. Skulle du kunna granska användardatamängder med hjälp av Exploratory Data.

    Analysteknik? Område: Teknik.

  21. Aktiebörsdataanalys

    Projekt 7

    Som en del av detta projekt kommer du att importera data med Yahoo data reader från följande företag: Yahoo, Apple, Amazon, Microsoft och Google. Du kommer att utföra grundläggande analyser, inklusive att plotta slutpriser, plotta aktiehandel efter volym, utföra daglig avkastningsanalys och använda parplotter för att visa korrelationen mellan aktierna.

    Domän: Aktiemarknaden.

  22. Analys av Titanic-dataset

    Lektion 08

    Den 15 april 1912 sjönk Titanic efter att ha kolliderat med ett isberg, vilket ledde till att 1502 av 2224 passagerare och besättning omkom. Denna tragedi chockade världen och ledde till bättre säkerhetsföreskrifter för fartyg. Här skulle vi vilja be dig att göra en analys med hjälp av tekniken för explorativ dataanalys, särskilt genom att tillämpa maskininlärningsverktyg för att avgöra vilka passagerare som överlevde tragedin.

Lärandemål

I slutet av denna eLearning-kurs i Data Science med Python kommer du att kunna:

Få en djupgående förståelse för processer inom datavetenskap, datahantering, datautforskning, datavisualisering, hypoteskonstruktion och testning.

Installera den nödvändiga Python-miljön och andra hjälpverktyg och bibliotek.

Förstå de grundläggande koncepten inom Python-programmering, såsom datatyper, tupler, listor, grundläggande operatorer och funktioner.

Utför avancerade matematiska beräkningar med NumPy-paketet och dess omfattande bibliotek av matematiska funktioner.

Utför avancerade matematiska beräkningar med NumPy-paketet och dess omfattande bibliotek av matematiska funktioner.

Utför vetenskaplig och teknisk beräkning med SciPy-paketet och dess underpaket, såsom Integrate, Optimise, Statistics, IO och Weave.

Utför dataanalys och manipulation med hjälp av datastrukturer och verktyg som tillhandahålls i Pandas-paketet.

Skaffa expertis inom maskininlärning med hjälp av Scikit-Learn-paketet

Förstå övervakade och oövervakade inlärningsmodeller såsom linjär regression, logistisk regression, klusteranalys, dimensionsreducering, K-NN och pipeline.

Använd paketet Scikit-Learn för bearbetning av naturligt språk.

Använd matplotlib-biblioteket i Python för datavisualisering

Extrahera värdefull data från webbplatser genom att utföra webbskrapning med Python

Integrera Python med Hadoop och MapReduce

Nyckelfunktioner

Ett års tillgång till plattformen

Ungefärlig varaktighet 12 timmar

Interaktivt lärande med Jupyter-anteckningsböcker

Nedladdningsbara PDF-dokument med detaljerat innehåll (bilder, förklaringar) till varje lektion

Examen & Certifiering

För att bli certifierad måste du uppfylla följande kriterier: - Slutför ett projekt av de två som erbjuds i kursen. Lämna in projektets leveranser i LMS som huvudtränaren kommer att utvärdera - Uppnå minst 60% på något av de två simuleringstesterna - Slutför kursen

Hero

Vem bör anmäla sig till denna kurs?

Python-kursen för dataanalys rekommenderas för alla som har ett genuint intresse för området data science, inklusive:

Analytiker inom dataanalys

IT-professionella

Mjukvaruprofessionella

Starta kursen nu

Behöver du en företagslösning eller integration av LMS?

Hittade du inte kursen eller programmet som skulle passa för ditt företag? Behöver du LMS-integration? Skriv till oss! Vi löser det!

;