Datová analýza #1

Tento kurz datové analýzy je v kategorii začátečníků až mírně pokročilých. Pro nejlepší průchod kurzem doporučujeme projít kurzy Python #1 a kurzy Databází před začátkem tohoto kurzu. Kurz má celkem šest výukových kapitol plus jednu aplikační. V prvních pěti se seznámíme se základními funkcemi. Tyto kapitoly vám možná přijdou trochu nezáživné. Naučit se základní funkce je ale nutnost - když se učíme nový cizí jazyk, také se musíme nejdřív "šrotit slovíčka", než si můžeme jít povídat s kamarády z ciziny. V těchto kapitolách pracujeme s daty, nicméně ta jsou často uměle vytvořená. V některých kapitolách používáme reálná data, ale i tak jsou příklady přizpůsobeny výukovým účelům tak, abychom mohli ilustrovat dané funkce.

6 hodin
mírně pokročilý
Začít zdarma
6 hodin
mírně pokročilý
Začít zdarma

O kurzu

...
Více info

Osnova

  1. Úvodem
    1. Pár slov autora
    2. O kurzu
    3. Software
  2. Numpy
    1. Úvod
    2. Listy
    3. NumPy pole
    4. Dimenze a typy
    5. Vytvoření numpy pole
    6. Náhodná čísla
    7. Slicing a indexace
    8. Matematické operace a funkce
    9. Broadcasting
    10. Další funkce
    11. Vektorizace
    12. Závěr
  3. Základní pandas
    1. Úvod
    2. Načtení dat
    3. Pandas DataFrame
    4. Průzkum dat
    5. Slicing a indexace
    6. Chybějící hodnoty
    7. Závěr
  4. Mírně pokročilý pandas
    1. Úvod
    2. Načtení dat
    3. Spojování tabulek
    4. Vytváření nových sloupců
    5. Řazení, grupování a MultiIndex
    6. Závěr
  5. Matplotlib
    1. Úvod
    2. Liniový graf (line chart)
    3. Editování grafů
    4. Podgrafy
    5. Sloupcový graf (bar chart)
    6. Koláčový graf (pie chart)
    7. Bodový graf (scatter plot)
    8. Histogram
    9. Závěr
  6. Grafy z DataFrame a seaborn
    1. Úvod
    2. Grafy pomocí pandas DatFrame
    3. Styly a globální parametry
    4. Seaborn
    5. Závěr
  7. Pokročilý pandas
    1. Úvod
    2. Anscombův kvartet
    3. Časové řady
    4. Panelová data
    5. Závěr
  8. Analýza londýnských dat
    1. Úvod
    2. Tvorba datasetu
    3. Průzkum náboženství
    4. Průzkum ekonomické aktivity
    5. Odpověď na výzkumnou otázku
    6. Závěr

Autor

Marek Soukup

Marek nyní studuje PhD v ekonomii na pražském institutu CERGE-EI a Python používá k simulacím makroekonomických modelů, k matematickým a statistickým výpočtům a k analýze dat a jejich vizualizaci. Marek také pracuje jako výzkumník strojového učení ve společnosti Seznam.cz.

Marek nyní studuje PhD v ekonomii na pražském institutu CERGE-EI a Python používá k simulacím makroekonomických modelů, k matematickým a statistickým výpočtům a k analýze dat a jejich vizualizaci. Marek také pracuje jako výzkumník strojového učení ve společnosti Seznam.cz.

Více info