Plan Szkolenia
Podstawy Pythona dla zadań danych
- Instalacja Pythona i konfiguracja środowiska programistycznego
- Podstawy języka: zmienne, typy danych, struktury sterowania
- Pisanie i uruchamianie prostych skryptów Pythona
Obsługa plików: CSV i Excel
- Czytanie i zapisywanie plików CSV za pomocą modułu csv i Pandas
- Praca z plikami Excel za pomocą openpyxl/xlrd i Pandas
- Cwiczenia praktyczne: automatyzacja konwersji plików
Wprowadzenie do Pandas
- Podstawy DataFrame: tworzenie, indeksowanie, wybor i filtrowanie
- Agregacje i operacje grupujące
- Zadania czyszczenia danych: wartości puste, duplikaty, konwersje typów
Wprowadzenie do Polars
- Pojęcia i charakterystyka wydajności Polars w porównaniu z Pandas
- Podstawowe operacje DataFrame w Polars
- Przykład zastosowania: kiedy wybrać Polars nad Pandas
Zaawansowane przekształcanie danych (poziom zaawansowany)
- Złożone łączenia, funkcje okna i operacje pivot w Pandas
- Efektywne wzorce przetwarzania danych w Polars
- Kombinowanie operacji i optymalizacja użycia pamięci
Automatyzacja procesów za pomocą Pythona
- Pisanie skryptów do automatyzacji powtarzających się zadań danych i kroków ETL
- Harmonogramowanie skryptów za pomocą planistów systemowych lub harmonogramowców zadań
- Logowanie, obsługa błędów i powiadamianie
Pakowanie skryptów i najlepsze praktyki
- Tworzenie wykonywalnych plików za pomocą PyInstaller lub podobnych narzędzi
- Struktura projektu, wirtualne środowiska i zarządzanie zależnościami
- Podstawy kontroli wersji i dokumentowanie przepływów pracy
Cwiczenie praktyczne miniprojektu
- Zadanie od początku do końca: czytanie surowych plików, czyszczenie i transformacja danych, tworzenie wyników
- Automatyzacja przepływu pracy i pakowanie jako skrypt lub wykonywalny plik
- Przegląd i poprawki na podstawie zwrotu od rówieśników
Podsumowanie i kolejne kroki
Wymagania
- Ogólne znajomość pojęć programistycznych lub chęć nauki
- Poczucie komfortu w korzystaniu z wiersza poleceń lub terminala do instalacji pakietów
- Doświadczenie w pracy ze spreadsheety (CSV/Excel)
Odbiorcy
- Analiza danych i personel operacyjny automatyzujący zadania danych
- Inżynierowie analityczni szukający lekkich skryptów ETL
- Profesjonalisci zainteresowani praktycznymi przepływami pracy opartymi na Pythonie
Opinie uczestników (5)
Fakt, że mamy więcej ćwiczeń praktycznych wykorzystujących dane podobne do tych, które używamy w naszych projektach (obrazy satelitarnego typu rasteryjnego)
Matthieu - CS Group
Szkolenie - Scaling Data Analysis with Python and Dask
Przetłumaczone przez sztuczną inteligencję
Uważam, że trener był bardzo kompetentny i odpowiadał na pytania z pewnością, co pomagało w lepszym zrozumieniu materiału.
Jenna - TCMT
Szkolenie - Machine Learning with Python – 2 Days
Przetłumaczone przez sztuczną inteligencję
Bardzo dobre przygotowanie i kompetencje trenera, idealna komunikacja po angielsku. Kurs był praktyczny (ćwiczenia + udostępnianie przykładów przypadków zastosowania)
Monika - Procter & Gamble Polska Sp. z o.o.
Szkolenie - Developing APIs with Python and FastAPI
Przetłumaczone przez sztuczną inteligencję
Wyjaśnienie
Wei Yang Teo - Ministry of Defence, Singapore
Szkolenie - Machine Learning with Python – 4 Days
Przetłumaczone przez sztuczną inteligencję
Trener tworzy szkolenia dostosowane do tempa uczestników.
Farris Chua
Szkolenie - Data Analysis in Python using Pandas and Numpy
Przetłumaczone przez sztuczną inteligencję