Online kurz Úvod do Pythonu pro Data Science

Úvod do Pythonu pro Data Science

Level
Kapitol
22
Kategorie
Programování
Hodnocení
5,0 z 5
Délka
4h 39min
Jazyk
SK

Popis kurzu Úvod do Pythonu pro Data Science

Chcete se naučit základy programování v Pythonu a využít těchto dovedností pro analýzu dat? Online kurz Úvod do Pythonu pro Data Science je navržen právě pro vás! Ukážeme si v něm úplné základy práce v jazyce Python, které jsou potřebné k tomu, abyste mohli data efektivně analyzovat a zkoumat. Naučíte se pracovat se základními datovými typy a strukturami. Poznáte knihovnu Numpy, na kterou spoléhá i NASA při analýze dat z vesmírných misí. Také uvidíte jak jednoduše a elegantně umíme získat zajímavé informace o datech pomocí knihovny pandas.

Bez ohledu na to, zda chcete pracovat nebo pracujete v oblasti financí, marketingu, zdravotnictví či v jakémkoli jiném odvětví, základy Pythonu, které se naučíte v tomto kurzu, budou vašimi pevnými základy pro kariérní posun v Data Science oblasti.

Víme, že nejlépe se člověk naučí nové dovednosti jejich praktikováním, a proto je pro vás připraveno 9 praktických programovacích cvičení v Jupyter noteboocích s úkoly a vysvětleními jednotlivých konceptů.

Co se v kurzu Úvod do Pythonu pro Data Science naučíte

Celkový obsah kurzu je 4 a půl hodiny. Prostředí, ve kterém budete během kurzu programovat se nazývá Jupyter notebook s Pythonem. Níže je uveden seznam oblastí, kterým se v kurzu věnujeme:

  • Google Colaboratory a práce s Python proměnnými: Na začátku se důkladně seznámíte s prostředím, ve kterém budete pracovat a naučíte se jak vytvářet proměnné, které budete později v Pythonu neustále využívat.
  • Datové typy a datové struktury: Data spadají v Pythonu pod datové typy, na jejichž základě s nimi umíme určitým způsobem pracovat. My si vysvětlíme základní typy a naučíme se, jak přeměňovat původní datové typy na jiné. Také si popíšeme charakteristiky základních datových struktur, do kterých můžeme data ukládat.
  • Knihovny pandas a numpy: Seznámíme se s knihovnou pandas, která je jednou z nejdůležitějších knihoven při zkoumání a zpracování dat. V separátní lekci si ukážeme tvoření a práci s efektivními numpy poli. Na základě těchto znalostí budeme později v kurzu stavět.
  • Objevování v datech: Ponoříme se hlouběji do datasetu, budeme zjišťovat jeho charakteristiky a zkoumat data pomocí knihovny pandas. Také je pro vás připraven mini projekt, ve kterém budete analyzovat reálný dataset.
  • Kontrola programu a tvoření funkcí: Projdeme si další základní oblasti práce v Pythonu. Naučíme se například, jak psát vlastní funkce nebo jak kontrolovat náš Python program pomocí smyček a if-else statementů.

Pro koho je kurz Úvod do Pythonu pro Data Science vhodný

Začněme pomyslným "strašákem" - programováním. Tento kurz je pro vás vhodný i když jste nikdy nenapsali jediný řádek kódu v Pythonu nebo v jiném programovacím jazyce! :) Obecně je pro vás tento kurz vhodný, pokud máte v budoucnu plány prakticky pracovat se strukturovanými daty – například tedy s daty o zákaznících ve vaší firmě. Zde je několik příkladů osobností, pro které je tento kurz ideální:

  • Chci se naučit něco technického. Pracujete na pozici, která vysloveně nevyžaduje technické dovednosti a vy byste chtěli novou výzvu, případně se posunout k novým možnostem.
  • Vidím velký potenciál v práci s daty. Spousta firem se v dnešní době snaží využít data, která mají k dispozici. Chtěli byste se do tohoto směru přidat a využít jej pro vlastní kariérní růst.
  • Excel nebo BI tool mi už nestačí a chci něco víc. Pracujete často s Excelem nebo nějakým BI toolem. Máte však pocit, že tyto nástroje jsou neefektivní a chtěli byste data efektivně analyzovat v Pythonu.
  • Nemám pocit, že mi škola dala praktické nástroje, které po mě firmy budou požadovat. Škola (jako například vysoká škola) vám dala různé teoretické základy pro práci s daty. Chtěli byste se ale přiblížit k tomu, co od vás budoucí zaměstnavatelé budou očekávat.
  • Chci jít s dobou. Jste na seniorní nebo manažerské pozici. Máte však pocit, že přístupy nebo nástroje, které používáte, jsou možná trochu zastaralé a chtěli byste si mezi své schopnosti přidat nejnovější knihovny a nástroje.

Po absolvování kurzu můžeš pokračovat ve studijní cestě Data Scientist a rozšířit si znalosti o zpracování dat, vizualizaci a machine learning.

Co po kurzu budete vědět a co si odnesete?

Mnoho pozic týkajících se analýzy dat (Data Analyst) vyžadují v dnešní době schopnost pracovat s Pythonem. Přesně tuto schopnost, která je jedna z nejdůležitějších pro práci datového analytika či datového vědce, získáte během kurzu. Odborníci očekávají, že poptávka po schopnosti analyzovat data bude v příštích letech narůstat, a proto pokud tuto dovednost máte, na trhu práce se neztratíte.

Z tohoto kurzu si odnesete:
  • Znalost základní práce v jazyce Python: Porozumíte základním principům programování v Pythonu a budete umět efektivně využívat základní knihovny pro práci s daty jako jsou Pandas a NumPy.
  • Praktické zkušenosti s analýzou strukturovaných dat: Dokážete data analyzovat deskriptivním způsobem a získat z nich hodnotné informace. Díky Python schopnostem, které získáte z tohoto kurzu, můžete plynule pokračovat na náš další kurz s názvem “Zpracování dat v Pythonu”, kde se učíme o tom, jak data zpracovávat, čistit a transformovat.

Co je potřeba k absolvování kurzu Úvod do Pythonu pro Data Science?

  • Vlastní laptop. Firemní laptop může způsobovat problémy, například, při přístupech na Google Drive prostředí nebo při instalaci knihoven.
  • Základní znalost angličtiny. Minimální pasivní znalost na úrovni čtení textu jelikož pro knihovny, o kterých se budeme učit jsou vytvořeny dokumentace v anglickém jazyce. Všechny video tutoriály jsou však ve slovenském jazyce.
  • Stabilní internetové připojení. Pro sledování video lekcí či práci na cvičeních je internetové připojení neustále zapotřebí.
  • Aktualizovaný internetový prohlížeč Google Chrome, Microsoft Edge nebo Mozilla Firefox.
  • (doporučeno) Google účet. S Jupyter notebooky doporučujeme pracovat v prostředí Google Colaboratory. V případě, že Google účet nemáte a ani si jej nechcete zakládat, bude k dispozici druhá alternativa pro lokální práci s Jupyter notebooky.

Co všechno s kurzem Úvod do Pythonu pro Data Science získáte

  • 9 Jupyter notebooků, ve kterých si nejen prakticky vyzkoušíte jednotlivé koncepty, ale můžete je používat jako osobní referenci ve vašem (budoucím) zaměstnání,
  • videotutoriály o Úvodu do Pythonu pro Data Science,
  • moderované diskusní fórum, ve kterém na vaše dotazy odpovídá autor kurzu Róbert Barcík,
  • certifikát o absolvování online kurzu Úvod do Pythonu pro Data Science,
  • garance vrácení peněz do 14 dnů v případě nespokojenosti s kurzem.

Kapitoly online kurzu

Vitajte v kurze! (3)

O tomto kurze
3:03
Nastavovanie prostredia a materiály na stiahnutie
17:55
Nové materiály kurzu
6:28

1. Premenné v Pythone (1)

Čo sú premenné v Pythone?
1:40

2. Dátové typy v Pythone (2)

Dátové typy v Pythone
5:48
Prechádzka notebookom
34:58

3. Dátové štruktúry - Časť 1 (2)

Dátové štruktúry - Časť 1
5:06
Prechádzka notebookom
30:35

4. Dátové štruktúry - Časť 2 (2)

Dátové štruktúry - Časť 2
3:08
Prechádzka notebookom
16:25

5. Numpy knižnica (2)

Numpy knižnica
6:36
Prechádzka notebookom
24:33

6. Pandas knižnica (2)

Pandas knižnica
3:49
Prechádzka notebookom
30:55

7. Objavovanie v dátach (2)

Objavovanie v dátach
7:15
Prechádzka notebookom
24:33

8. Flow control (2)

Flow control
3:32
Prechádzka notebookom
25:21

9. Funkcie (2)

Funkcie
4:16
Prechádzka notebookom
20:16

Čo ďalej? (2)

Diskusia a hodnotenie
1:29
Gratulujem! Čo ďalej?
1:27

Lektor online kurzu

Lektor Róbert Barcík
Věnuji se datové vědě a umělé inteligenci v praxi firem. Na Skillmea učím vše od základů Pythonu a machine learningu přes generativní AI, Microsoft Copilot a Claude Code až po AI Act a to, jak AI mění práci a vedení lidí. Mým cílem je, abys AI uměl používat rozumně, bezpečně a se skutečným přínosem.
5,0 Hodnocení
12 Kurzů

Hodnocení studentů

Hodnocení od studentů zapsaných v kurzu na Skillmea.

5,0 z 5 · 25 hodnocení

Doporučené online kurzy