Главная страницаКатегория pythonСтарт в Data Science с 10 проектами

Старт в Data Science с 10 проектами

Name: Старт в Data Science с 10 проектами
Price: 13 USD
Rating: 5 (8 reviews)

Data Science Jumpstart with 10 Projects Course

Talkpython

★5 (всего оценок - 8)

Начать Сейчас

Продолжительность

3 ч 12 мин

Категория

Python

Количество уроков

104 Видео

Дата добавления

25 апр. 2024 г., 18:57

Язык

Английский

Этот курс даст вам навыки и инструменты для глубокого погружения в data science с использованием Python. Мы предполагаем, что у вас есть базовые знания Python, но нет знаний в области концепций data science. Курс познакомит вас с теми же инструментами, которые используют data scientists, инженеры по данным и аналитики для решения реальных задач.

В этом курсе вы:

Погрузитесь в загрузку, очистку, суммирование и основную статистику с данными в форматах CSV и Excel.
Освоите искусство объединения и трансформации наборов данных, чтобы раскрыть скрытые закономерности в проекте "Аналитика розничных данных".
Изучите обработку отсутствующих данных, распознавание аномальных данных и основные техники машинного обучения на примере "Глубокого погружения в медицинские данные".
Создадите модели для исследования тенденций качества воздуха и обзоров фильмов.
Построите интерактивные панели управления с использованием Plotly и исследуете базы данных SQL в разделе "Интерактивные панели и исследование SQL".
Научитесь использовать мощные библиотеки, такие как Pandas, Matplotlib, Plotly и другие.

Посмотреть больше

Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум

Урок 1. 00:00:51
Welcome
Урок 2. 00:02:01
Installing Jupyter in a Virtual Environment
Урок 3. 00:01:37
Running in Github Codespaces
Урок 4. 00:02:09
How to use Jupyter
Урок 5. 00:01:11
How to use VS Code
Урок 6. 00:00:27
Remember the Exercises
Урок 7. 00:00:34
Intro csv v2
Урок 8. 00:05:26
Loading CSV data from a ZIP file with Pandas and Pyarrow
Урок 9. 00:06:35
Summary stats in Pandas using describe, dtypes, and quantile
Урок 10. 00:05:36
Pearson and Spearman Correlations in Pandas and Heatmaps
Урок 11. 00:04:50
Understanding Pandas Categoricals with value_counts and Cross Tabulations
Урок 12. 00:08:37
Visualizations in Pandas, with Histograms, Scatterplots, and Barplots
Урок 13. 00:00:25
Summary
Урок 14. 00:00:42
Intro excel
Урок 15. 00:01:46
Create an Excel in Pandas with to_excel
Урок 16. 00:01:31
Read Excel file in Pandas with read_excel and Pyarrow
Урок 17. 00:03:03
Understanding Counts and Frequencies of Missing Data in Pandas with isna, any, sum, and mean
Урок 18. 00:02:07
Quantifying Strings with filter and value_counts
Урок 19. 00:03:33
Understanding Numbers with Correlations, Scatterplots, and Histograms
Урок 20. 00:01:49
Writing and Formatting Excel Sheets in Pandas with to_excel and XlsxWriter add_format
Урок 21. 00:00:11
Summary
Урок 22. 00:00:15
Intro
Урок 23. 00:00:57
Loading Data for Merging with Pyarrow
Урок 24. 00:01:34
Merging Dataframes with the merge method and left_on, right_on parameters
Урок 25. 00:02:51
Validating one to one and one to many merges
Урок 26. 00:02:36
Debugging Merging by piping dataframe size
Урок 27. 00:02:19
Cleanup columns after merging with loc
Урок 28. 00:00:56
Export Merged data to Excel
Урок 29. 00:00:31
Merging summary
Урок 30. 00:00:38
Intro grouping
Урок 31. 00:00:33
Loading Retail Data from Excel into Pandas Dataframe
Урок 32. 00:00:49
Using Feather and Pyarrow to Speed up loading Retail Data in Pandas
Урок 33. 00:03:48
Exploratory Data Analysis (EDA) in Pandas with describe, histograms, and value_counts
Урок 34. 00:02:44
Aggregating in Pandas to Calculate Sales by Year
Урок 35. 00:06:06
Using Groupby in Pandas to visualize Sales by country
Урок 36. 00:03:36
Using Grouper in Pandas to Groupby by Month Frequency
Урок 37. 00:05:31
Grouping by Month and Country and Visualizing with a Line Plot
Урок 38. 00:00:26
Summary
Урок 39. 00:00:37
Intro cleaning
Урок 40. 00:00:47
Loading Multiple Files into a Single Pandas Datafarme with Glob
Урок 41. 00:02:47
Understanding the Heart Data to Cleanup
Урок 42. 00:00:44
Fixing the Age Column Type to Int8
Урок 43. 00:01:18
Converting the Numeric Sex Column into a String
Урок 44. 00:00:49
Converting the Chest Pain Column into an Int8
Урок 45. 00:02:25
Dealing with ? Characters in the Trestbps Numeric Column
Урок 46. 00:03:08
Creating a Function to Repeat Common Cleanup in the Chol Column
Урок 47. 00:01:05
Using the Cleanup Function for the Fbs Column
Урок 48. 00:01:28
Fixing the Restecg Column
Урок 49. 00:00:14
Fixing the Thalach Column
Урок 50. 00:00:15
Fixing the Exang Column
Урок 51. 00:00:23
Updating the Cleanup Function to Clean the Oldpeak Column
Урок 52. 00:00:19
Cleaning the Slope Column
Урок 53. 00:00:18
Cleaning the Ca Column
Урок 54. 00:00:39
Converting Numeric Values to Catgoricals with the Thal Column
Урок 55. 00:01:07
Fixing the Num Column
Урок 56. 00:00:50
Comparing Memory usage in Pandas with memory_usage
Урок 57. 00:04:19
Refactoring to a Function in Pandas for Cleanup
Урок 58. 00:00:06
Cleaning summary
Урок 59. 00:00:31
Intro time series air quality dataset
Урок 60. 00:00:51
Load CSV file from a Zip file with Pandas
Урок 61. 00:00:52
Checking for Missing Values and Shape in Pandas
Урок 62. 00:02:04
Parsing Dates Using Format Strings and to_datetime
Урок 63. 00:02:36
Rename columns in Pandas to Remove Invalid Characters
Урок 64. 00:00:52
Make a Function to Clean up Pandas Data
Урок 65. 00:00:57
Converting Dates to UTC in Pandas
Урок 66. 00:01:30
Converting Dates to Italian time in Pandas and pytz
Урок 67. 00:03:24
Making Line Plots for Time Series Data in Pandas
Урок 68. 00:03:27
Interpolating and Filling in Missing values in Pandas
Урок 69. 00:02:30
Resampling Time Series Data in Pandas with resample
Урок 70. 00:01:45
Creating 7 Day Rolling Averages in Pandas with rolling
Урок 71. 00:00:16
Updating the Function with Cleanup Functionality
Урок 72. 00:00:22
Summary
Урок 73. 00:00:25
Intro text v2
Урок 74. 00:01:32
Load movie review text data from a directory
Урок 75. 00:00:55
Exploring the str attribute in Pandas for String manipulation
Урок 76. 00:02:44
Using Spacy to Remove Stop words in Pandas
Урок 77. 00:01:44
Using scikit-learn to calculate Tfidf for Pandas text
Урок 78. 00:02:40
Using XGBoost to Create a Classification Model
Урок 79. 00:01:40
Predicting Values with XGBoost and Pandas
Урок 80. 00:00:21
Intro v2
Урок 81. 00:02:00
Combining Multiple Datasets with Pandas and concat
Урок 82. 00:05:01
Exploring heart disease with aggregations and scatterplots
Урок 83. 00:04:59
Preparing a Pandas Dataset to Create an XGBoost Model
Урок 84. 00:06:02
Tuning an XGBoost Model with Hyperopt
Урок 85. 00:01:48
Using a Confusion matrix to Understand the Model
Урок 86. 00:00:09
Ml summary
Урок 87. 00:00:13
Intro SQL
Урок 88. 00:01:32
Load CSV data into a Pandas dataframe and cleaning it
Урок 89. 00:00:55
Using SqlAlchemy to Connect to a SQLite Database
Урок 90. 00:00:31
Create a database table with Pandas using to_sql
Урок 91. 00:01:19
Query a SQLite table from Pandas using read_sql
Урок 92. 00:01:57
Query a SQLite table with Pandas
Урок 93. 00:01:54
Visualize SQLite Data using Pandas
Урок 94. 00:00:27
Summary SQL
Урок 95. 00:00:11
Intro plotly
Урок 96. 00:00:22
Load CSV data into Pandas dataframe
Урок 97. 00:01:45
Clean Pandas data with a function for plotly
Урок 98. 00:02:01
Creating a Line Plot in Plotly for Pandas
Урок 99. 00:02:29
Creating a Bar plot in Plotly
Урок 100. 00:03:41
Creating a Scatter plot in Plotly
Урок 101. 00:01:43
Creating a Dashboard with Dash and Plotly Graphs
Урок 102. 00:01:10
Creating a Plotly Dashboard using Dash with Widgets
Урок 103. 00:00:08
Summary plotly
Урок 104. 00:01:17
Conclusion

https://github.com/talkpython/data-science-jumpstart-with-10-projects-course

Автор - Talkpython

Talkpython

Talk Python Training - это ведущая онлайн-тренинговая компания, основанная в 2016 году с явной целью обеспечения высококачественного, глубоко технического обучения Python.

+52