Informacje o szkoleniu

Główna korzyść– szybsza praca Twojego zespołu w przetwarzaniu danych
– umożliwienie przetwarzania dużej ilości danych tam, gdzie Excel nie wystarcza
Czas trwaniaa) połówki: 10 dni po 3 godz. 30 minut (z przerwami) lub
b) pełne dni: 5 dni po 7 godz. zegarowych (z przerwami)
Forma szkoleniawarsztatowa (70% ćwiczenia / 30% wykład)
Logistykaa) online lub
b) w siedzibie klienta lub innym wyznaczonym przez niego miejscu, w Polsce lub za granicą w obrębie Europy
Zapisyszkolenie zamknięte – indywidualne zamówienie i dopasowanie dla grupy
Wielkość grupydo 10 uczestników
Język szkoleniapolski, angielski lub oba naraz w ramach jednego zlecenia

Plan szkolenia

  1. Python Builtin Data Structures
    1. Lists
    2. Tuples
    3. Nested Structures
    4. Dictionaries
    5. List Comprehension
  2. Other Essential Python Concepts
    1. Python Functions
    2. Positional and Keyword Arguments
    3. Default Parameter Values
  3. Pandas Fundamentals
    1. Datasets
    2. Import and Export from CSV
    3. Import and Export from Databases and Fixed Width Format Files
    4. Essential Transformations (Transpose, Selecting Single or Multiple Rows and Columns, Accessing Index)
    5. Fundamental Data Statistics
    6. Quick Data Visualization
    7. Modifying DataFrame (Adding and Deleting Columns)
    8. Processing Missing Values
    9. Aggregations (Sum, Count, Mean, Std etc.)
    10. Filtering with Masks
    11. Filtering by Timestamps on Time Serieses
    12. Filtering on Index
    13. Advanced Filtering Conditions
    14. Split-Apply-Combine Pattern (aka Groupby)
  4. Accessing Data from REST APIs
    1. Wide vs Long Format
    2. HTTP Protocol
    3. REST Fundamentals
    4. Requests and Response Structure
    5. Postman for Experimentation
    6. requests Library
    7. Advanced Case Study on Real and Complex API (7 Endpoints)
    8. How to Deal with Pagination?
  5. Data Wrangling
    1. Renaming Columns
    2. Type Conversion
    3. Categorical Columns
    4. Sorting Data
    5. Sorting by Index
    6. Setting and Reseting Index
    7. Reindexing
    8. Vectorised Conditionals
    9. Appending Data
    10. Pivoting Data (Converting from Long to Wide Format)
    11. Unstacking Data (Advanced Pivoting)
    12. Melting Data (Converting from Wide to Long Format)
    13. Stacking Data (Advanced Melting)
  6. Advanced Data Processing
    1. Where Clause for Easier Filtering
    2. Joins
    3. Inner vs Left vs Right vs Outer Joins
    4. Joins on Index
    5. Z-Score for Easier Outlier Detection
    6. Ranking
    7. Percentage Change
    8. Binning
    9. Quantile Binning
    10. Clipping
    11. Thresholds
  7. Aggregations
    1. Applying an Operation on All Columns
    2. Rolling Window
    3. Rolling Window on Time Serieses
    4. Expanding Window
    5. Cumulative Sum
    6. Advanced Groupby
    7. Groupby by Timestamp on Time Serieses
    8. Groupby on Multiple Columns
    9. Aggregating Using Different Functions
    10. Pivot Tables
    11. Cross Tabs
    12. Cross Tabs with Margins
  8. Time Series Specific Operations
    1. Time-Based Selection
    2. Aggregation on Time Serieses
    3. Shifting and Lagging
    4. Differenced Data
    5. Resampling
    6. Working with OHLC (Open-High-Low-Close) Data
    7. Upsampling
    8. Merging Datasets with Different Timestamps
  9. Data Visualisation with matplotlib
    1. Matplotlib Library
    2. Line and Point Plots
    3. Visualising Data from Rolling Windows
    4. Plot Components
    5. Plotting Multiple Serieses
    6. Matplotlib Integration with Pandas
    7. Subplots
    8. Hexbins
    9. Correlation Matrix
    10. Histograms
    11. Kernel Density Estimation
    12. Cumulative Distribution Function
  10. Advanced Data Visualisation
    1. Boxplots
    2. Groupby on a Single Plot
    3. Bar Charts
    4. Bar Charts with Groups of Columns
    5. Stacked Bar Charts
    6. Normalised Stacked Bar Charts
    7. Scatter Matrixes
    8. Lag Plots
    9. Autocorrelation Plots
  11. BigData & Pandas
    1. dask Library
    2. dask as a Task Scheduler
    3. Local Computational Cluster
    4. dask.DataFrame
    5. Alternatives

Przebieg współpracy

  1. Formularz. Wypełniasz formularz na dole strony.
  2. Bezpłatna konsultacja. Umawiamy się na bezpłatną i niezobowiązującą rozmowę online, która powinna zamknąć się w 50 minutach. Od pierwszego kontaktu obowiązuje pełne dochowanie poufności, w razie potrzeby możemy zacząć od podpisania NDA. Celem tej rozmowy jest dokładne omówienie Twojej sytuacji i potrzeb, tak abyśmy mogli w kolejnym kroku przygotować dla Państwa rozwiąznaie.
  3. Propozycja rozwiązania + kolejna konsultacja. Po konsultacji analizujemy Państwa sytuację i przygotowujemy indywidualną dla Państwa propozycję rozwiązania (szkolenie lub/i doradztwo). Tą propozycję omawiamy podczas kolejnej bezpłatnej konsultacji.
  4. Formalności. Podpisanie umowy i dokonanie płatności (przedpłaty). Termin szkolenia rezerwujemy z chwilą dokonania płatności.
  5. Próbka szkolenia. W razie potrzeby możemy poprzedzić główne szkolenie 60-minutową próbką szkolenia, aby mieli Państwo absolutną pewność, że warto współpracować.
  6. Szkolenie lub/i działania doradcze.
  7. Wsparcie poszkoleniowe – w ustalonym indywidualnie zakresie.

Opinie o trenerze

Krzysztof Gębal

Very inspiring training. I really appreciate the way Chris managed to walk us through the complex world of machine learning using Python. Good course materials updated real time. Highly recommend.

Krzysztof Gębal
Finance Director at DNB Bank Polska S.A.

Arkadiusz Baraniecki

Well prepared training and reasonably passed knowledge, thanks to which we develop better services.

Arkadiusz Baraniecki
Infrastructure Team Manager at allegro.pl

Nicolas Leveroni

Chris recently taught a four day class on Machine Learning with Python four our team. The class was very good with the right balance of theory and practice. I cannot think of a better way to give a four day class about such an extensive topic.

Nicolas Leveroni
Head of Krakow Product Control Analytics at HSBC

Więcej referencji znajdziesz tutaj.

Umów bezpłatną konsultację