Python od podstaw, przez analizę danych, do machine learning
by:
Najbliższe terminy tego szkolenia
04.04
Termin gwarantowany
Szkolenie online
Ostatnie miejsca!
Standardy JSystems
- Wszyscy nasi trenerzy muszą być praktykami i osiągać średnią z ankiet minimum 4.75 na 5. Nie ma wśród nas trenerów-teoretyków. Każdy trener JSystems ma bogate doświadczenie komercyjne w zakresie tematów z których prowadzi szkolenia.
- Wszystkie szkolenia mają format warszatowy. Każde zagadnienie teoretyczne jest poparte rzędem warsztatów w ściśle określonym formacie.
- Terminy gwarantowane na 100%. Jeśli jakiś termin jest oznaczony jako gwarantowany, oznacza to że odbędzie się nawet jeśli część grupy wycofa się z udziału. Ryzyko ponosimy my jako organizator.
- Do każdego szkolenia które wymaga jakiegokolwiek oprogramowania dostarczamy skonfigurowane, gotowe hosty w chmurze. Dzięki temu uczestnik nie musi nic instalować na swoim komputerze (i bić się z blokadami korporacyjnymi). Połączenie następuje przez zdalny pulpit lub SSH - w zależności od szkolenia.
Program szkolenia
Podstawy Pythona
- Wstęp do kursu
- Dlaczego Python?
- Główne cechy języka
- Data science - o co w tym właściwie chodzi?
- Środowisko pracy
- Tworzenie projektu w Pycharm
- Środowisko wirtualne projektu
- Obsługa interfejsu Pycharm
- Interaktywny zeszyt Jupyter Notebook
- Kluczowe różnice między środowiskiem Pycharm, a Jupyter Notebook
- "Hello world" i pisanie na konsoli
- Zmienne i typy danych
- Zmienne
- Typy danych
- Typ tekstowy
- Typy liczbowe
- Instrukcje warunkowe
- Jeden warunek
- Else
- Wiele warunków
- Operatory logiczne w warunkach
- Pętle
- Pętla while
- Pętla for
- Zagnieżdżanie pętli
- Instrukcja BREAK
- Instrukcja CONTINUE
- Łańcuchy znaków
- Funkcje wbudowane
- upper
- lower
- title
- replace
- len w kontekście ciągów tekstowych
- count
- strip
- split i join - zamiana tekstu na listę i listy na tekst
- Łańcuchy funkcji
- Iterowanie po łańcuchach tekstowych
- Mnożenie tekstu. Ale jak?
- Wygodne sprawdzanie czy tekst zawiera frazę
- Cięcia, cięcia - o cięciu łańcuchów tekstowych słów kilka
- Funkcje wbudowane
- Listy
- Tworzenie list
- Pobieranie wartości z list
- Iterowanie po listach
- Sprawdzanie czy element znajduje się na liście
- Modyfikowanie zawartości listy
- Dodawanie nowych wartości i wstawianie w miejsce istniejących
- Usuwanie elementów z listy
- Funkcje wbudowane w listy
- Sortowanie i odwracanie list
- Inne ciekawe funkcje i możliwości
- Krotki
- Deklaracja i uzupełnianie krotek danymi
- Pobieranie wartości z krotek
- Słowniki
- Tworzenie słowników
- Pobieranie wartości ze słowników
- Modyfikacja zawartości słowników
- Zbiory
- Tworzenie zbiorów i konwersje z innych typów złożonych
- Modyfikowanie zawartości zbiorów
- Funkcja difference
- Funkcja intersect
- Funkcja union
- Zaawansowane elementy przetwarzania list i zbiorów
- Wyjątki
- Obsługa wyjątków
- Funkcje
- Deklarowanie funkcji
- Parametry funkcji
- Wartości domyślne parametrów
- Zwracanie wyników z funkcji
- Dokumentowanie funkcji
- Moduły
- Definiowanie modułów
- Dokumentowanie modułów i sprawdzanie dostępnych funkcji
- Korzystanie z plików tekstowych
- Czytanie z plików tekstowych
- read()
- readlines()
- readline()
- Funkcja seek()
- Sprawdzanie ilości linii w pliku
- Zapis w plikach tekstowych
- Tryby otwarcia pliku
- Wprowadzanie danych do pliku
- Czytanie z plików tekstowych
- Dane zdalne - wykorzystanie usług sieciowych
- Pobieranie danych za pomocą GET
- Przesyłanie danych za pomocą POST
- Wykorzystanie baz danych
- Tworzenie baz danych, użytkowników i tabel w bazach danych PostgreSQL
- Łączenie z serwerem PostgreSQL
- Pobieranie danych z użyciem SELECT
- Wstawianie, zmiana i kasowanie danych, oraz operacje DDL
Analiza danych (jeden dzień):
- Pandas - kluczowy pakiet do danych tabelarycznych
- Wczytywanie danych tabelarycznych (CSV, TSV, XLS)
- Operacje na kolumnach i wierszach
- Filtrowanie i procesowanie danych
- Odczytywanie danych statystycznych
- Modyfikacja danych z użyciem funkcji pythonowych
- Agregacja, podobieństwa do SQL
- Wizualizacja danych
- Fragmenty Matplotlib - bazowej biblioteki do wykresów w Pythonie
- Seaborn - nieco bardziej estetyczne wykresy
- Plotly - tworzenie interaktywnych wykresów
- Inne biblioteki (numpy, scipy, polars, pandas profiling)
Uczenie maszynowe (jeden dzień):
- Co to jest uczenie maszynowe?
- Statystyka a uczenie maszynowe
- Rodzaje problemów
- Przykładowe metody
- Różnica pomiędzy klasyfikacją a regresją
- Rodzaje błędów popełnianych przez algorytmy
- Ekosystem uczenia maszynowego w Pythonie (biblioteka scikit-learn)
- Budowa modelu uczenia maszynowego na przykładzie regresji liniowej
- Wstępna obróbka danych
- Od jednej zmiennej do wielu
- Walidacja predykcji
- Interpretacja ważności parametrów
- Kluczowe różnice pomiędzy metodami liniowymi
- Zjawisko przeuczania (overfitting) i jak mu przeciwdziałać
- Ustalanie hiperparametrów
- Przegląd wybranych algorytmów uczenia maszynowego
- Regresja logistyczna
- Drzewa decyzyjne
- Las drzew losowych
- XGBoost
Opis szkolenia
Szkolenie odbywa się na żywo z udziałem trenera. Nie jest to forma kursu video!
To szkolenie to kompleksowe wprowadzenie do programowania w Pythonie, analizy danych i podstaw uczenia maszynowego od zera.
Uczestnicy nauczą się pracy w środowiskach Pycharm i Jupyter Notebook, poznają kluczowe elementy języka Python, takie jak zmienne, struktury danych, funkcje oraz obsługę plików i baz danych.
W części poświęconej analizie danych omówione zostaną techniki analizy, przetwarzania i wizualizacji danych z wykorzystaniem bibliotek takich jak Pandas, Matplotlib i Plotly.
Uczestnicy zdobędą również podstawową wiedzę o budowie modeli uczenia maszynowego, ucząc się ich trenowania, walidacji oraz interpretacji wyników za pomocą biblioteki scikit-learn.
Korzyści dla uczestników:
Po ukończeniu szkolenia uczestnik będzie potrafił:
- Posługiwać się językiem Python na poziomie podstawowym i średnio zaawansowanym, tworząc projekty z użyciem Pycharm oraz Jupyter Notebook
- Operować na podstawowych strukturach danych w Pythonie, takich jak listy, słowniki, krotki i zbiory, oraz wykorzystywać funkcje wbudowane do przetwarzania danych tekstowych i liczbowych.
- Tworzyć, modyfikować i odczytywać dane z plików tekstowych, obsługiwać wyjątki oraz łączyć się z bazami danych
- Analizować dane tabelaryczne z wykorzystaniem biblioteki Pandas, przeprowadzać operacje czyszczenia, przetwarzania, analizy, a także wizualizacji danych przy użyciu Matplotlib, Seaborn i Plotly.
- Budować podstawowe modele uczenia maszynowego w Pythonie z wykorzystaniem biblioteki scikit-learn, stosując techniki regresji i klasyfikacji
Prowadzący szkolenie:
Mateusz Zimoch
Inżynier z silną wiedzą w dziedzinie informatyki, data science, robotyki i sztucznej inteligencji. Skuteczny lider zespołu z udokumentowanym doświadczeniem w realizacji innowacyjnych projektów. Zwycięzca konkursu US Navy na prototyp autonomicznego podwodnego drona. Założyciel dwóch startupów skupionych na rozwoju rozwiązań z zakresu wizji komputerowej opartej na sztucznej inteligencji oraz budowie autonomicznych pojazdów. Doświadczony trener i mentor, zarażający pasją do programowania i analizy danych.
Stanowisko robocze
Do tego szkolenia każdy uczestnik otrzymuje dostęp do indywidualnej wirtualnej maszyny w chmurze. Ma ona zainstalowane i skonfigurowane wszystko co potrzebne do realizacji szkolenia. Maszyna będzie dostępna przez cały okres szkolenia.
Terminy gwarantowane
Gdy na jakiś termin zgłosi się minimalna liczba osób, termin oznaczamy jako gwarantowany.
Jeśli jakiś termin oznaczony jest jako gwarantowany to oznacza to, że na 100% się odbędzie we wskazanym czasie i miejscu.
Nawet gdyby część takiej grupy zrezygnowała lub przeniosła się na inny termin, raz ustalony termin gwarantowany takim pozostaje.
Ewentualne ryzyko ponosimy my jako organizator.
Przejdź do terminów tego szkolenia
Szkolenia online
Szkolenia online odbywają się na żywo z udziałem trenera. Uczestniczy łączą się na szkolenie za pomocą platfomy ZOOM.
Informacje o wymaganym niezbędnym oprogramowaniu oraz informacje organizacyjne uczestnicy otrzymują na 7 dni przed datą rozpoczęcia szkolenia.
Inne szkolenia tej kategorii
Sprawdź pozostałe
szkolenia Python!
Sprawdź, co mówią o nas ci, którzy nam zaufali
Trenerzy kategorii Python
Mateusz Zimoch
Mateusz Zimoch
Kacper Sieradziński
Kacper Sieradziński
Programista z ponad 12 letnim stażem, pracował dla klientów z Norwegii, Szwecji, Wielkiej Brytanii oraz Niemiec. Pracował dla takich firm jak Schibsted Tech Polska oraz PrimeQ tworząc strony o bardzo dużym natężeniu ruchu, skrypty automatyzujące pracę innych, w tym także crawlery. Trener, który na sali spędził ponad 5000h prowadząc szkolenia z baz danych, programowania w Pythonie i PHP.
Kacper uważa, że język programowania to tylko narzędzie w rękach doświadczonego dewelopera, dlatego nieustannie lubi uczyć się nowych rzeczy oraz zarażać miłością do programowania innych (stąd pewnie ten kanał na Youtubie -> Kacper Sieradziński).
Paweł Stasiński
Paweł Stasiński
Wojciech Grzybek
Wojciech Grzybek
Tomasz Duniec
Tomasz Duniec
DevOps Enginner z zamiłowaniem do części "Dev" wspomnianej roli. Pasjonat ideologii DevOps, ze szczególnym uwzględnieniem potoków dostarczania oprogramowania. Swoje doświadczenie opiera o dostarczanie skalowalnych usług mikroserwisowych oraz projekty wdrażanie w AWSie dla dużych klientów. W codziennej pracy jest zaangażowany na wielu poziomach cyklu dostarczania oprogramowania. Od wielu lat tworzy narzędzia dla deweloperów, które skracają cykl, ułatwiają prace i definiują standardy w zespołach.
Posiada doświadczenie w zarzadzaniu zespołami developerskimi. Absolwent Politechniki Warszawskiej, swoja karierę w IT zaczynał właśnie od szkoleń w JSystems, które pozwoliły mu nabrać wiatru w żagle i pomogły spełnić marzenia o karierze w IT. Dziś w JSystems jako trener zakresu AWS, który zachęci was do korzystania z chmury Amazona i pokaże, że nie jest to takie trudne i "kosztowne".
Certyfikowany inżynier z zakresu architektury, DevOps i Networkingu w AWS. Zwolennik "przemyślanego" podejścia zwinnego w prowadzeniu projektów. Charakteryzuje go podejście do wyzwan z "Can do attitude" i "Get Things Done". W swojej pracy najbardziej ceni możliwość rozwiazywania problemów biznesowych w oparciu o najnowsze technologie chmurowe. Zwolennik praktyki nad teorią. Ostatnio mocno zaangażowany w adaptacje możliwości jakie niesie ze sobą platforma Backstage.io.
Patryk Palej
Patryk Palej
Programista Pythona od 2018 roku z backgroundem w matematycznym modelowaniu procesów fizycznych. Specjalizuje się w obszarach związanych z pozyskiwaniem, przetwarzaniem i analizą danych. Jako data scientist pracował w projektach dla branż takich jak telekomunikacja, media czy finanse. Doświadczony szkoleniowiec, który lubi i potrafi przekazywać wiedzę. W wolnym czasie podróżuje lub pracuje nad nowymi szkoleniami.
Tomasz Woźniak
Tomasz Woźniak
