Data Science met Python - eLearning
450,00 EUR
- 50 hours
De cursus Python voor Data Science behandelt de fundamentele programmeerconcepten met Python en legt data-analyse, machine learning, datavisualisatie, webscraping en natural language uit. Je zult een uitgebreid begrip krijgen van de verschillende pakketten en bibliotheken die nodig zijn om de aspecten van data-analyse uit te voeren.
Belangrijkste kenmerken
Taal
De cursus en het materiaal zijn in het Engels
Niveau
Beginner - gemiddeld niveau
Toegang
1 jaar toegang tot het zelfstudie eLearning platform 24/7
6 uur aan videomateriaal
met een aanbevolen studietijd van 40 uur & oefeningen
Praktijken
Virtuele labs, Testsimulatie, Eindprojecten
Geen examen
Er is geen examen voor de cursus, maar de student ontvangt een certificaat van voltooiing van de training
Leerresultaten
Aan het einde van deze eLearning Cursus Data Science met Python zul je in staat zijn om:
Verkrijg een diepgaand begrip van data science processen, data preparatie, data verkenning, data visualisatie, hypothese opbouw en testen.
Installeer de vereiste Python-omgeving en andere hulpmiddelen en bibliotheken.
Begrijp de essentiële concepten van Python-programmering, zoals gegevenstypen, tuples, lijsten, basisoperators en functies.
Voer hoogwaardige wiskundige berekeningen uit met behulp van het NumPy-pakket en zijn uitgebreide bibliotheek van wiskundige functies.
Voer hoogwaardige wiskundige berekeningen uit met behulp van het NumPy-pakket en zijn uitgebreide bibliotheek van wiskundige functies.
Voer wetenschappelijke en technische berekeningen uit met het SciPy-pakket en zijn subpakketten, zoals Integrate, Optimise, Statistics, IO en Weave.
Voer data-analyse en manipulatie uit met behulp van datastructuren en hulpmiddelen die beschikbaar zijn in het Pandas-pakket.
Verwerf expertise in machine learning met behulp van het Scikit-Learn pakket
Begrijp begeleide en onbegeleide leermodellen zoals lineaire regressie, logistische regressie, clustering, dimensionaliteitsreductie, K-NN en pipeline.
Gebruik het Scikit-Learn pakket voor natuurlijke taalverwerking.
Gebruik de matplotlib-bibliotheek van Python voor gegevensvisualisatie
Haal waardevolle gegevens uit websites door middel van webscraping met Python
Integreer Python met Hadoop en MapReduce
Cursusinhoud
Inleiding tot Data Science
Les 01
- Data Science en de toepassingen ervan
- Het proces van datawetenschap: Deel 1
- Het proces van datawetenschap: Deel 2
Essentials van Python programmeren
Les 02
- Jupyter Notebook Instellen
- Python Functies
- Python Typen en Sequenties
- Diepgaande Verkenning van Python Strings
- Python Demo: Lezen en Schrijven van csv-bestanden
- Datum en tijd in Python
- Objecten in Python Dictionary
- Lambda en Lijstbegrip
- Waarom Python voor gegevensanalyse?
- Python Pakketten voor Data Science
- StatsModels-pakket
- Scipy-pakket
NumPy
Les 03
- Basisprincipes van NumPy
- Vormen van arrays en assen in NumPy: Deel A
- Vormen en assen van NumPy-arrays: Deel B
- Rekenkundige bewerkingen
- Conditionele logica
- Veelvoorkomende wiskundige en statistische functies in Numpy
- Indexeren en segmenteren
- Bestandsbeheer
Lineaire algebra
Les 03
- Inleiding tot Lineaire Algebra
- Scalairen en Vectoren
- Inwendig product van twee vectoren
- Lineaire onafhankelijkheid van vectoren
- Norm van een vector
- Matrixbewerkingen
- Rang van een matrix
- Determinant van een matrix en eenheidsmatrix of -operator
- Inverse van een matrix en Eigenwaarden en Eigenvectoren
- Calculus in Lineaire Algebra
Statistische basisprincipes
Les 05
- Belang van statistiek met betrekking tot datawetenschap
- Algemene Statistische Termen
- Soorten statistieken
- Gegevenscategorisatie en -typen
- Meetniveaus
- Maten van centrale tendens
- Maten van Spreiding
- Toevalsvariabelen
- Sets
- Maten van Vorm (Scheefheid & Kurtosis)
- Covariantie en correlatie
Waarschijnlijkheidsverdeling
Les 06
- Waarschijnlijkheid, het belang ervan, en kansverdeling
- Kansverdeling: Binomiale verdeling
- Waarschijnlijkheidsverdeling: Poissonverdeling
- Waarschijnlijkheidsverdeling: Normale verdeling
- Kansverdeling: Bernoulli-verdeling
- Kansdichtheidsfunctie en Massafunctie
- Cumulatieve verdelingsfunctie
- Centrale Limietstelling
- Schattingstheorie
Geavanceerde Statistiek
Les 07
- Distributie
- Kurtosis, Scheefheid en Student's t-verdeling
- Hypothese Toetsing en Mechanisme
- Hypothese Toetsingsresultaten: Type I en II Fouten
- Nulhypothese en Alternatieve Hypothese
- Betrouwbaarheidsintervallen
- Foutmarges
- Vergelijken en contrasteren van T-toets en Z-toets
- De stelling van Bayes
- Chi-kwadraatverdeling
- Chi-kwadraattoets en Geschiktheid
- Variantieanalyse of ANOVA
- ANOVA Terminologieën
- Variantiepartitie met behulp van Python
- F-verdeling met behulp van Python
- F - Test
Panda's
Les 08
- Pandas Series
- Een reeks opvragen
- Pandas Dataframes
- Panda's Paneel
- Veelvoorkomende Functies In Pandas
- Panda's Functies Data Statistische Functie, Vensterfunctie
- Pandas Functie Data en Tijdsduur
- Categorische gegevens
- Werken met tekstgegevens
- Iteratie
- Sorteren
- Plotten met Pandas
Gegevensanalyse
Les 09
- Gegevens begrijpen
- Soorten gegevens: gestructureerd, ongestructureerd, rommelig, enzovoort
- Werken met gegevens: geschikte hulpmiddelen kiezen, gegevens verzamelen, gegevens bewerken
- Gegevens importeren en exporteren in Python
- Reguliere Expressies in Python
- Tekst manipuleren met reguliere expressies
- Toegang tot databases in Python
Data Wrangling
De 10
- Aantrekkelijke of Idiomatische Pandas Code
- Indexeren en opnieuw indexeren laden
- Samenvoegen
- Geheugenoptimalisatie in Python
- Gegevensvoorverwerking: Gegevens Laden en Null-waarden Verwijderen
- Gegevensvoorverwerking Null-waarden opvullen
- Gegevensgroepering, formattering en normalisatie
- Standaardisatie van gegevensgroepering
- Gegevens beschrijven
Data Visualisatie
Les 11
Principes van informatievisualisatie
Gegevens visualiseren met behulp van draaitabellen
Bibliotheken voor gegevensvisualisatie in Python: Matplotlib
Grafiektypen
Bibliotheken voor gegevensvisualisatie in Python: Seaborn, Plotly, Bokeh
Grafieken plotten met Matplotlib
3D-grafieken plotten voor meerdere kolommen met Matplotlib
Matplotlib gebruiken met andere Python-pakketten
Grafieken plotten met Seaborn
3D-grafieken plotten voor meerdere kolommen met Seaborn
Introductie tot Plotly en Bokeh
Wie zou zich moeten inschrijven voor dit programma?
Deze cursus is ideaal voor personen die geïnteresseerd zijn in een carrière in datawetenschap, machine learning of kunstmatige intelligentie, en die hun vaardigheden in Python programmeren en data-analyse willen verbeteren.
Aspirerende Datawetenschappers
Data-analisten
Software-ingenieurs of programmeurs
Onderzoekers en academici
Liefhebbers van machine learning
Studenten en Afgestudeerden
Vereisten
Studenten moeten in het bezit zijn van een bachelordiploma of een middelbareschooldiploma. Daarnaast wordt een nieuwsgierigheid voor data-analyse en een verlangen om de toepassingen van Python in het veld van datawetenschap te verkennen sterk aangemoedigd. Het wordt ook aanbevolen om te beschikken over:
- Basiskennis Python Programmeren: Vertrouwdheid met basisconcepten van Python-programmeren zoals variabelen, lussen, functies en besturingsstroom.
- Basisbegrip van statistiek: Een basisbegrip van statistiek, inclusief concepten zoals gemiddelde, mediaan, standaardafwijking, waarschijnlijkheid en correlatie.
- Wiskunde: Basisvaardigheden in wiskunde, vooral op het gebied van algebra en lineaire algebra, zijn nuttig, met name bij het werken met machine learning algoritmen of modellen.
Verklaringen
Licenties en accreditatie
Data Science met Python Certificeringstraining wordt aangeboden door Simplilearn. AVC promoot deze cursus op basis van de Partnerovereenkomst en voldoet aan de accreditatievereisten.
Gelijkheidsbeleid
Simplilearn biedt momenteel geen toetsaanpassingen vanwege een handicap of medische aandoening van studenten. Kandidaten worden aangemoedigd om contact op te nemen met AVC voor begeleiding en ondersteuning gedurende het accommodatieproces.
Veelgestelde Vraag
Heb je en zakelijke oplossing of LMS-integratie nodig?
Heb je niet de cursus of het programma gevonden dat geschikt zou zijn voor jouw bedrijf? Heb je een LMS-integratie nodig? Neem contact met ons op! Wij zullen met een passende oplossing komen!