Python alapú Data Analyst képzés adatelemzési és gépi tanulási könyvtárak használatával
Python alapú adatelemző képzés adattisztításról, statisztikai elemzésről, adatvizualizációról és gépi tanulási predikciókról, a Pandas-tól a scikit-learn-ig.
Mit fogsz tanulni?
12 hét alatt a python-alapoktól az adattisztításon, vizualizáción és statisztikai elemzésen át a gépi tanulásos előrejelzésekig.
1 Python alapjai és szövegkezelés A Python szintaxis, adattípusok és a karakterláncok tisztításának, átalakításának technikái.
- Anaconda Navigator és Jupyter Notebook környezet
- A Python nyelv helyesírása, adatok kiíratása
- Mappák, elérési utak, az OS modul
- Osztás, maradék, hatványozás, gyökvonás
- A változók főbb adattípusai
- Nagybetű/kisbetű átalakítások, szóközök törlése
- Szövegek lecserélése, keresése
- Szövegek szeletelése (slicing)
- Szövegek szétbontása és összefűzése
- Szövegek formázása
2 Adattisztítás Pandas segítségével I. A Pandas könyvtár alapjai, CSV beolvasás és Dataframe manipuláció.
- A Pandas könyvtár és a CSV beolvasása Dataframe-be
- Oszlopok formázása, szóközök, lecserélés
- Oszlopok szétdarabolása, összefűzése
- Oszlopok adattípusának megváltoztatása
- Oszlopok, sorok törlése, átnevezése
- Oszlopok sorrendjének átrendezése
- Sorok rendezése
- Adatok exportálása CSV és Excel fájlba
- Slicing és szűrések a Dataframe-ben
- Ismétlődések eltávolítása
- Adatok importálása SQL adatbázisból
3 Python hatékonysági technikák és vezérlés Produktivitási technikák, egyéni függvények, feltételkezelés és ciklusok.
- Hasznos billentyűparancsok
- Dátumok kezelése
- Hibakezelés (TRY - EXCEPT)
- Adatok bekérése a felhasználótól (INPUT)
- Egyéni, saját függvények definiálása (def)
- A lambda függvények
- Számok kerekítése
- Feltételek (IF), bináris változók
- Ciklusok (FOR, WHILE)
- Több fájl összefűzése egy Dataframe-ben
4 Listák, szótárak és haladó Pandas Python listák és szótárak kezelése, valamint haladó Pandas technikák.
- Listák létrehozása, módosítása, iterációja
- Szövegek felosztása és összefűzése listával
- Adatok beolvasása Excel-fájlokból
- Üres értékű sorok/oszlopok kezelése
- Dataframe oszlopok szűrése szöveg és lista alapján
- Két Dataframe egyesítése
- Nagy méretű CSV-fájlok importálása
- Szótár (Dictionary) készítése és iterációja
- Oszlopok átnevezése szótárral
- Pivot tábla, csoportonkénti összesítés
- Számítások oszlop- és sorértékekkel
5 Adatvizualizáció - Matplotlib Vizualizáció Matplotlibbel: vonal-, sáv-, kördiagramok, formázás és interaktivitás.
- Vonaldiagramok (line plots) létrehozása
- Formázás (szín, marker, stílus)
- Adatcímkék hozzáadása
- Területdiagramok
- Függőleges és vízszintes sávdiagramok
- Kördiagramok és szeleteinek szétszedése
- Többvonalas és halmozott oszlopdiagramok
- Kombinált diagramok (oszlop és vonal)
- Több aldiagram egy ábrán
- Interaktív diagramok és widgetek (slider, checkbox, dropdown)
- Egyéni vizualizációk a Power BI-ban Pythonnal
6 Statisztikai adatelemzés - Seaborn, SciPy Leíró statisztikák, eloszlások, korreláció és hipotézisvizsgálat.
- Numerikus oszlopok leíró statisztikái
- Dobozábra (Boxplot) Pandas, Matplotlib és Seaborn segítségével
- Hisztogram készítése
- Scatter plot és Seaborn vizualizációk
- Korreláció megjelenítése scatter diagramon
- Korrelációs mátrix és hőtérkép
- Páros diagram (pairplot)
- Ferdeség és kurtózis
- Normalitás teszt és Q-Q diagram
- A variancia homogenitásának tesztelése (Levene)
- Két csoport átlagának összehasonlítása (t-test)
- Több csoport átlagának összehasonlítása (ANOVA)
7 Gyorsabb számítások - NumPy NumPy tömbök, memóriakezelés, teljesítményoptimalizálás és transzformációk.
- Mi az a NumPy?
- Listák vs NumPy tömbök
- Elemenkénti számítás
- A tömbök fontos tulajdonságai és tárolási mérete
- Float típusú tömbök
- Futásidejű összehasonlítás
- Elemek elérése tömbökben (szeletelés)
- Tömbök létrehozása meghatározott és véletlenszerű értékekkel
- Tömb transzponálása, megfordítása, rendezése
- Tömbök alakjának (shape) módosítása
- Dátumok és időpontok kezelése
8 Előrejelzések gépi tanulással - Scikit-Learn Gépi tanulás alapjai: döntési fák, regresszió, osztályozás és pipeline-ok.
- Mi az a gépi tanulás? Az ML modellek fő kategóriái
- Regresszió vs osztályozás
- Döntési fa: modell építése és betanítása
- Az adatkészlet felosztása Train és Test készletekre
- Pontossági pontszám
- Lineáris regresszió a gyakorlatban
- Többszörös lineáris regresszió
- 3D diagram és modell készítése
- Adatszivárgás elkerülése
- Kategorikus jellemzők numerikussá alakítása
- Numerikus jellemzők átskálázása, normalizálása
- Pipeline létrehozása
- Logisztikus regressziós modell (osztályozás)
Miért érdemes belevágnod?
Rengeteg vállalatnál dőlnek befelé az adatok, csak épp nincs, aki értelmezze őket, és fordítsa használható döntéssé. A Python, valamint a hozzá tartozó adatelemzési és gépi tanulási könyvtárak (pandas, matplotlib, seaborn, scipy, numpy, scikit-learn) pont ezt a hiányt hidalják át: a nyers számokból kiolvasható mintákat, trendeket teszik láthatóvá.
Ez a képzés gyakorlati magabiztosságot ad ezeknek az eszközöknek a használatában, amivel reális eséllyel indulhatsz el adattudományi vagy adatelemzői pozíció felé, vagy léphetsz előre, ha már bent vagy a szakmában.
- Munka mellett végezheted, rugalmas időbeosztással
- Gyakorlati projekteken keresztül, oktatói mentorálással
- LinkedIn profilodba beágyazható tanúsítvány
Ismerd meg oktatódat
Jobbágy Szabolcs
MS Excel/Visual Basic/Power BI szakértő
2001-ben kezdtem el Excel táblázatokkal dolgozni munkahelyi környezetben, 2005-től pedig a főállásom mellett tréningeket kezdtem tartani. Az elmúlt közel 20 évben több mint 120 céggel dolgoztam együtt, és több mint 10 000 résztvevőt képeztem több mint 1000 tréningen.
Oktatási portfólióm az időhatékonysági tréningektől az adatelemzésen és automatizáláson át a Python programozásig és a webfejlesztésig terjed. Olyan vállalatok bízták rám munkatársaik képzését, mint a Bosch, a Coca-Cola, a LEGO, a Telekom, az Allianz, a Nestlé, a Vodafone és az Oracle.
A Cubix Institute of Technology képzésein a legtöbb 5 csillagos értékeléssel rendelkező oktató vagyok.
Kinek ajánlott?
- Akik adatelemzői készségeiket magasabb szintre fejlesztenék
- Akik nagyméretű, sokmillió soros adatbázisokat szeretnének gyorsan elemezni
- Akik adattudományi vagy adatelemzői pozíciót keresnek
- Bárki, aki érdeklődik az adatelemzés iránt, iparágtól függetlenül
Kinek nem ajánlott?
- Akik kódolásmentes, kizárólag vizuális eszközökre (Excel, Power BI) épülő tudást keresnek
- Akik már gyakorlott Python adatelemzők, nekik középhaladó vagy haladó irányt ajánlunk
- Akik nem tudnak heti rendszerességgel időt szánni a gyakorlásra
- Akik azonnali data scientist pozícióra számítanak a tanulási idő befektetése nélkül
Mik a képzés előkövetelményei?
Programozási tapasztalat nem feltétel, a Python alapjaitól indulunk, így nyugodtan kezdheted előismeret nélkül is. Könnyebben haladsz viszont, ha van valamilyen programozási előismereted, például Visual Basic, illetve ha rendszeresen dolgozol adattáblákkal, mondjuk Excelben vagy Power BI-ban. Ezek előnyt jelentenek, de egyik sem feltétel.
Hogyan fogsz tanulni?
Rugalmas időbeosztás
A tanfolyamot munka mellett is végezheted, hiszen a tananyag elsajátítása heti 8-12 óra elfoglaltságot igényel összesen, melyet saját időbeosztás szerint dolgozhatsz fel.
Gyakorlatorientált oktatás
Minden héten izgalmas gyakorló feladatokat kapsz majd, amelyek keretében már menetközben is konkrét projekteket fogsz megvalósítani
Interaktív digitális tananyag
A gyakorlati feladatok elvégzéséhez és a tanfolyam sikeres teljesítéséhez szükséges tudást digitális tananyagok és vezetett kódolások formájában adjuk át
Oktatói mentoring
A képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra, fejlődésedet végigkíséri
Visszanézhető LIVE alkalmak
Akkor sincs semmi baj, ha egy élő konzultációs alkalmon nem tudsz részt venni, hiszen a kérdéseid előre is elküldheted írásban, a válaszokat és az egész LIVE-ot pedig visszanézheted másnap 16:00 órától.
Limitált férőhely
A fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak
Minőségbiztosított képzések
Képzéseink szakmai minőségbiztosítását az iparági vezető technológiai vállalatok és a Budapesti Műszaki és Gazdaságtudományi Egyetem végzi.
- Tanúsítványt kapsz, amelyet önéletrajzodhoz és LinkedIn profilodhoz csatolhatsz
- Bizonyítja, hogy elsajátítottad az adott ismereteket
- Segíti a szakmai előmeneteledet és karriered fejlődését
Jó társaságban leszel!
Már több mint 150 hazai és nemzetközi cég munkatársa képezte magát tovább nálunk.
Tudtad?
A munkáltatók 83%-a finanszírozza a munkatársak képzését, ne felejtsd el megkérdezni a tiédet!
Elvégzett képzés: Python alapú Data Analyst képzés adatelemzési és gépi tanulási könyvtárak használatával
„Nagyon jól összeállított kurzus, remek magyarázatokkal és házi feladatokkal."
Hallgatói közösség
A több mint 9100 tagot számláló hallgatói közösségünket főként olyan, az iparágban vezető IT-cégek és szoftverfejlesztő cégek munkatársai alkotják, akik folyamatosan fejleszteni szeretnék meglévő készségeiket.
Légy Te is tagja közösségünknek!
Következő indulási dátumok
Más időpont érdekel?
Add meg az e-mail címed, és szólunk, ha új időpontot hirdetünk meg.
Fizetési lehetőségek
Többféle fizetési lehetőséget biztosítunk, hogy a legmegfelelőbb opciót válaszd.
Online fizetés bankkártyával
Az OTP SimplePay az egyik legelterjedtebb online fizetési megoldás — gyors és biztonságos fizetési folyamatáról ismert.
Kamatmentes részletfizetés
Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.
Fizetés banki átutalással, egy összegben
Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma — írj nekünk, és ebben is segítünk.
Készen állsz a jelentkezésre?
Jelentkezz most, és kezdd el a fejlődést!
Gyakran Ismételt Kérdések
Mi történik, ha nem tudok részt venni egy élő alkalmon?
Nincs gond: a kérdéseidet előre is elküldheted írásban, a válaszokat és az egész LIVE-ot pedig visszanézheted másnap 16:00-tól.
Kapok tanúsítványt a kurzus végén?
Igen, sikeres vizsga esetén névre szóló, akár a LinkedIn profilodba is beágyazható tanúsítványt szerzel.
Szükséges-e előzetes programozási tudás?
Nem, a Python alapjaitól indulunk. Könnyebben haladsz viszont, ha van tapasztalatod valamilyen programozási nyelvben.
Munka mellett tudom-e végezni?
Igen, heti 8-12 óra saját időbeosztás szerinti elfoglaltságot igényel, így munka mellett is elvégezhető.
Van-e pénzvisszafizetési garancia?
Igen, a képzés indulásától számított 8 napig 100%-os pénzvisszafizetési garanciát vállalunk.