Python Data Science

Kurskod A396

Python Data Science

Python har vuxit fram som ett populärt språk inom Data Science. Språkets dynamiska natur, syntaxens relativa enkelhet och det stora antalet snabba och kraftfulla bibliotek bidrar till populariteten.

Pris
27950 kr (exklusive moms)
Längd
3 dagar
Alternativa betalsätt
Kompetenskort gäller på denna kurs

Många kurser kan även betalas med vårt kompetenskort alternativt utbildningsvouchers eller motsvarande credits från någon av våra teknikpartners. 

Läs mer om kompetenskort.
Läs mer om vouchers.

Ort och datum
Hålls på begäran

Kursen hålls på begäran

Kontakta oss för mer information.

Telefon: 08-562 557 50 
E-post: kursbokning@cornerstone.se

Den här kursen behandlar de mest populära Python-biblioteken för numerisk bearbetning, statistisk analys, maskininlärning och visualisering. Du lär dig också hur man använder vanliga Python-datatyper och algoritmer för att lösa uppgifter.


Målgrupp och förkunskaper

Den här utbildningen vänder sig till alla som vill lära sig använda Python för Data Science-tillämpningar.

Viss bekanskap med Python eller ett annat modernt programmeringsspråk rekommenderas. För att alltid hålla en hög kvalitet på våra teknikkurser använder vi både engelsk- och svensktalande experter som kursledare.

Detaljerad information


Kursmaterialet är på engelska, med detta innehåll:

Python Quick Start
  • Python Essentials
  • Language Fundamentals
  • Functions
  • Data Structures
Getting Started with NumPy
  • Setting the Scene
  • NumPy Arrays
  • Manipulating Array Elements
  • Manipulating Array Shape
NumPy Techniques
  • NumPy Universal Functions
  • Aggregations
  • Broadcasting
  • Manipulating Arrays using Boolean Logic
  • Additional Techniques
Getting Started with Pandas
  • Introduction to Pandas
  • Creating a Series
  • Using a Series
  • Creating a DataFrame
  • Using a DataFrame
Pandas Techniques
  • Universal Functions
  • Merging and Joining Datasets
  • A Closer Look at Joins
Working with Time Series Data
  • Introduction to Time Series Data
  • Indexing and Plotting Time Series Data
  • Testing Data for Stationarity
  • Making Data Stationary
  • Forecasting Time Series Data
  • Scaling Back the ARIMA Results
Introduction to Machine Learning
  • Machine Learning Concepts
  • Classification
  • Clustering
Getting Started with Scikit-Learn
  • Scikit-Learn Essentials
  • A Closer Look at Datasets
Understanding the Scikit-Learn API
  • Introduction
  • Scikit-Learn API Essentials
  • Performing Linear Regression
Going Further with Scikit-Learn
  • Introduction
  • Understanding Naïve Bayes Classification
  • Naïve Bayes Example using Scikit-Learn
Case Study
  • Worked example of a real-world data science problem

Få inspiration & nyheter från oss

Jag godkänner att Cornerstone skickar mig nyheter via e-post