Data Science Essentials with Python self-study

Data Science Essentials with Python

Învață să transformi datele în informații utile folosind Python, Pandas și Matplotlib. Cursul te introduce în etapele de lucru specifice științei datelor: explorarea, curățarea, analiza, vizualizarea și modelarea datelor, precum și prezentarea concluziilor.

Cursul conţine activități interactive și proiecte practice cu seturi de date din lumea reală. Exercițiile introductive și activitățile interactive te ajută să înțelegi conceptele, iar îndrumarea pas cu pas și asistentul AI integrat te sprijină pe parcurs.

Cui  se adresează?

Cursul se adresează persoanelor care doresc să înceapă să lucreze cu date folosind Python: elevi, studenți, viitori specialiști în analiza datelor și profesioniști care vor să își dezvolte competențele în acest domeniu.

Cerințe preliminare

Nu sunt impuse cerințe preliminare. Cunoștințele de bază de Python, precum cele dobândite în Python Essentials 1, sunt utile.

Ce vei învăța?

• Să explorezi și să prelucrezi date folosind Python și Pandas.

• Să cureți și să pregătești datele pentru analiză.

• Să creezi grafice și vizualizări cu Matplotlib.

• Să folosești modele simple pentru identificarea relațiilor dintre date.

• Să comunici clar rezultatele analizei.

Format: online, self-study — studiu individual, în ritm propriu.

Curriculum

• Ședința 1 Introducere prin activități de tip joc (3h 30m)
  • De la 0 la Python în 60 de secunde
  • ​Biblioteci Python
  • Importarea bibliotecilor
  • Elemente indexate

  • ​Introducere în DataFrame
  • Biblioteca Pandas
  • Crearea unui DataFrame
  • Calcule pe coloane
  • Coloane ca obiecte Series
  • Rânduri ca obiecte Series
  • Alte componenete ale unui DataFrame
  • Încarcarea datelor din fişiere

  • ​Modulul pyplot din Matplotlib
  • Modulul pyplot din Matplotlib
  • Importarea bibliotecii Matplotlib
  • Cele patru tipuri de grafice de bază
  • Crearea graficelor pe baza datelor din DataFrame
  • Etichete și titluri

  • ​Operații de bază în Pandas
  • Evaluarea expresiilor cu DataFrame.eval()

  • ​Filtrarea  datelor cu Dataframe.query()

  • Gruparea datelor cu DataFrame.groupby()

• Ședința 2 Programare pentru obținerea răspunsurilor din date (3h 30m)
  • ​Variații ale structurii scheletului (proiect)
  • Încărcarea datelor​
  • Afirmație: 50% dintre oase se află în mâini și picioare
  • Oasele bebeluşilor
  • Vertebrele cervicale la oameni
  • Vertebrele cervicale la mamifere
  • Vertebrele cervicale la păsări
  • Încheierea proiectului
    

  • ​O lume conectată (proiect)
  • Utilizatorii de internet la nivel mondial
  • Date despre populaţia mondială
  • Combinarea seturilor de date
  • Procentul populaţiei mondiale care utilizează internetul
  • Jumătate din populaţia mondială conectată la internet
  • Identificarea anului in care proporţia a ajuns la 50%
  • Art as data - arta privită ca date (proiect)
  • Încărcarea datelor
  • Transformarea datelor în imagini
  • Compararea complexitătii
  • Cuantificarea complexitătii
  • Combinarea seturilor de date
  • Reprezentarea grafică a evoluției complexității în timp
  • Identificarea picturilor falsificate
  • Încheierea proiectului
    
• Ședința 3 Curățarea datelor (3h 30m)
  • Un secol de hituri muzicale (proiect)
  • Încărcarea datelor
  • Încercarea de reprezentare grafică a datelor
  • Extragerea componentelor duratei
  • Denumirea coloanelor
  • Calcularea duratei totale în secunde
  • Reprezentarea grafică a duratelor hiturilor muzicale
  • Hitul cu cea mai lungă durata
  • Analiza preferințelor clienților unei cafenele cu produse vegetale (proiect)
  • O cafenea cu produse pe bază de plante
  • Încărcarea datelor
  • Selectarea coloanelor relevante
  • Redenumirea coloanelor
  • Înțelegerea și interpretarea datelor

  • ​Analiza întârzierilor zborurilor (proiect)
  • Întârzierile zborurilor
  • Încărcarea datelor
  • Conversia șirurilor de caractere în valori de tip dată și oră
  • Calcularea întârzierilor
  • Determinarea zilei săptămânii
  • Procentul zborurilor întârziate în funcție de ziua săptămânii
  • Reprezentarea grafică a datelor
  • Încheierea proiectului
    
• Ședința 4 Vizualizarea datelor (3h 30m)
  • ​Analiza adâncimilor de scufundare ale animalelor marine (proiect)
  • Încărcarea datelor
  • Adâncimea maximă pentru fiecare categorie
  • Graficul cu bare în forma implicită
  • Sfat practic 1: Folosește bare orizontale
  • Sfat practic 2: Ordonează barele
  • Înlocuiește marcajele și liniile de contur ale axelor cu linii de grilă discrete
  • Adăugarea unui rând de referință
  • Utilizarea culorilor în reprezentarea grafică
  • Încheierea proiectului

  • ​Este granola sănătoasă? (proiect)
  • Încărcarea și curățarea datelor
  • Combinarea seturilor de date
  • Vizualizarea datelor pereche
  • Sfat practic 1: Adaugă o linie de egalitate (y = x)
  • Sfat practic 2: Folosește un grafic cu proporții pătrate
  • Sfat practic 3: Modifică transparența punctelor
  • Comunicarea concluziilor: etichetarea valorilor atipice
  • Codul complet
    
  • Închiderea proiectului
• Ședința 5 Modelarea datelor (3h 30m)
  • ​Analiza și modelarea lungimii colților elefanților (proiect)
  • Încărcarea datelor
  • Compararea lungimii colților
  • Relația dintre lungimea colților și înălțimea la umăr
  • Modelarea lungimii colților
  • Reprezentarea grafică a modelelor
  • Încheierea proiectului

  • ​Analiza relaţiei dintre atacurile leilor şi lumina lunii (proiect)
  • Încărcarea datelor
  • Relația dintre atacurile leilor și lumina lunii
  • Modelarea relației
  • Corelație sau cauzalitate?
  • Încheierea proiectului
    

  • ​Analiza și modelarea distanțelor de oprire ale bicicletelor electrice (proiect)
  • Încărcarea datelor
  • Vizualizarea datelor
  • Ajustarea unui model liniar la date
  • Verificarea plauzibilității modelului
  • Date pentru viteze mici
  • Model de gradul al doilea
  • Reprezentarea grafică a modelului de gradul al doilea
  • Estimarea distanțelor de oprire la viteze mari
  • Încheierea proiectului
    
• Ședința 6 Comunicarea concluziilor prin date (3h 30m)
  • ​Activitate pregătitoare (proiect)
  • Reprezentarea grafică a datelor despre denumirile animalelor
  • Încărcarea datelor
  • Reprezentarea grafică a tendințelor
  • Crearea unei funcții reutilizabile
  • Reprezentarea grafică a mai multor tendințe
  • Explorarea datelor și formularea ipotezelor
  • Mecanisme explicative
  • Încheierea proiectului
  • Analiza apelor calde din largul coastelor statului Peru (proiect)
  • Ape calde în largul coastelor statului Peru
    
  • Denumirile peștilor și fenomenul El Niño
    
  • Ipoteze multiple
    
  • Date despre cantitatea de pește capturat
    
  • De ce există o relație inversă?
  • Încheierea proiectului
  • ​Analiza ciclurilor de apariție ale cicadelor (proiect)
    
  • Apar cicadele
  • Identificarea tiparelor
  • Estimarea periodicitătii
  • Care cohortă de cicade are un ciclu de 17 ani?
  • Testarea ipotezei
  • Încheierea proiectului