Analiza danych w Pythonie z wykorzystaniem biblioteki NumPy
Uczestnicy szkolenia Analiza danych w Pythonie z wykorzystaniem biblioteki NumPy dowiedzą się, jak efektywnie wykorzystywać bibliotekę NumPy w numerycznej analizie danych.
2150 PLN+23% VAT (2644 PLN brutto / 1 os.)Czas trwania szkolenia:2 dni (16h)
Kod kursu:PYTHON/NUMPY
Analiza danych w Pythonie z wykorzystaniem biblioteki NumPy
Cele szkolenia
Nauka wykorzystania biblioteki NumPy w analizie numerycznej danych
Przegląd bibliotek i środowiska SciPy
Dla kogo?
Analityków danych
Programistów
Data scientist
Naukowców i inżynierów
Zalety
Warsztat prowadzony w oparciu o najnowszą wersję biblioteki Numpy
Szkolenie Analiza danych w Pythonie z wykorzystaniem biblioteki NumPy wzbogacone jest o komplet materiałów, obejmujących zarówno teorię, jaki i zadania praktyczne
Wymagania
Znajomość dowolnego języka programowania może znacząco ułatwić przyswajanie materiału
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program
Biblioteki używane w analizie numerycznej i Data Science
SciPy: wprowadzenie do ekosystemu narzędzi
Jupyter: instalacja, uruchamianie, korzystanie, LaTeX, zaawansowane opcje
Markdown: krótkie wprowadzenie do składni i możliwości
NumPy i analiza numeryczna
Typy wbudowane i stałe: array, poly1d, nan, inf
Import i export danych, serializacja, łączenie, obsługiwane formaty, pliki binarne i tekstowe
Definiowanie tablic: tworzenie, generowanie, opis typu
Pseudolosowość: Problematyka, ziarno, sampling, tasowanie
Atrybuty tablic: typy danych, kształt, wielkość, rozmiar danych, osie
Wybieranie i iteracja: indeksacja, wycinanie, fancy indexing
Operacje na danych: operacje zwektoryzowane, funkcje uniwersalne, zmiana wymiarów, spłaszczanie
Manipulacja danymi: zaokrąglanie, przycinanie, wstawianie, wypełnianie, transpozycja, sortowanie
Arytmetyka: operacje arytmetyczne i macierzowe, wyznaczniki
Statystyka: ekstrema, wariancja, odchylenie standardowe, średnie, mody, kowariancje, korelacje
Logika: operatory, wybieranie, maski, where
Trygonometria: funkcje, konwersje, stałe
Wielomiany: współczynniki, miejsca zerowe, pierwiastki, dopasowanie wielomianów, arytmetyka, pochodne, całki
Zagadnienia wydajnościowe
Micro-benchmarking
Złożoność obliczeniowa i pamięciowa
Pamięć: Architektura RAM, kopiowanie i referencje
Techniki pracy z danymi większymi niż ilość RAMu
Triki zwiększające wydajność
Skalowalność: X-Array, Dask
Case studies
Autorem szkolenia jest Matt Harasymczuk
Od 2015 roku prowadzę szkolenia jako trener Sages. Mam ponad 9 tysięcy godzin (tak, 9000!) doświadczenia w prowadzeniu warsztatów dla ponad 30 tys. osób. Dotychczas przeprowadziłem szkolenia dla 196 organizacji z sektorów tj. publiczny, bankowy, obronny, agencje kosmiczne, firmy branży lotniczej, automotive, e-commerce, fintech, ubezpieczenia, startupy wysokich technologii, branża paliwowa, telekomy, medyczna, uczelnie wyższe, gaming, druk 3d i consumer electronics. Specjalizuję się w szkoleniach…
