fbpx
  • nl
  • en

Cursus Data Science met Python

Cursus Data Science met Python
Regio:
  • Modules
  • Cursus
  • Inhoud
  • Algemene informatie
    Algemeen
  • Reviews
  • Module 1 : Python Language Syntax

    Module 2 : Functions and Modules

    Module 3 : Classes and Objects

    Python Features
    Running Python
    Anaconda Distribution
    IPython Shell
    Interactive Mode
    Script Mode
    Python Data Types
    Numbers and Strings
    Sequences and Lists
    Sets and Dictionaries
    Python Flow Control
    Exception Handling
    Pass by Value and Reference
    Scope of Variables
    EFAP principle
    What are comprehensions?
    Lambda Operator
    Filter
    Reduce and Map
    Functional Programming
    Generator comprehensions
    List comprehensions
    Dictionary comprehensions
    Set comprehensions
    Creating and Using Modules
    import Statement
    from…import Statement
    Locating Modules
    Creating Classes
    Creating and Using Objects
    Accessing Attributes
    Property Syntax
    Constructors and Destructors
    Encapsulation
    Inheritance
    Overriding Methods

    Module 4 : Numpy

    Module 5 : MatplotLib

    Module 6 : Pandas

    NumPy Numerical Types
    Data Type objects
    dtype attributes
    Slicing and Indexing
    Array comparisons
    any(),all(), slicing, reshape()
    Manipulating array shapes
    Methods of ndarray
    Views versus copies
    ravel(),flatten(),transpose()
    Working with Matrices
    Simple plots
    Plot format string
    Subplots
    Histograms
    Logarithmic plots
    Scatter plots
    Fill between
    Legend and annotations
    Threedimensional plots
    Contour plots
    Animation
    Pandas DataFrame
    Import Data
    Inspect Data
    Data Visualization
    Indexing and selection
    Data operations in pandas
    Missing data
    Hierarchical indexing
    Combining datasets
    Exploratory Data Analysis
    Time Series

    Module 7 : SciPy Essentials

    Module 8 : Scikit Learn

    Module 9 : Machine Learning

    What is SciPy
    Matrix Calculations
    Using matrix class
    Sparse matrices
    Linear operators
    Scalar multiplication
    Non-linear equations and systems
    Descriptive Statistics
    Inference and Data Analysis
    Data representation
    Features and target
    Basic cycle
    Model selection
    Parameterization
    Arrange data
    Fit and predict
    Supervised vs unsupervised
    xgboost
    Principal Component Analysis (PCA)/SVD
    Least Squares and Polynomial Fitting
    Constrained Linear Regression
    K-Means Clustering
    Logistic Regression
    Support Vector Machines
    Conditional Random Fields
    Decision Trees
    TD Algorithms
  • Doelgroep Data Science met Python

    Cursus-Data-Science-met-PythonDe cursus Data Science met Python is bedoeld voor data analisten en data scientists die Python en de Python libraries willen gebruiken voor modellering en machine learning in Data Science projecten.

    Voorkennis training Data Science met Python

    Om deel te nemen aan de cursus Data Science met Python is kennis en ervaring met de programmeertaal Python en met Python voor data analyse vereist. U moet ook over de nodige voorkennis beschikken met betrekking tot statistische methoden en algoritmen.

    Uitvoering cursus Data Science met Python

    De theorie wordt behandeld aan de hand van presentaties. Illustratieve demo's verduidelijken de concepten. De theorie wordt afgewisseld met oefeningen. Als ontwikkelomgeving wordt de Anaconda distributie met Jupyter notebooks gebruikt. De cursustijden zijn van 9.30 tot 16.30.

    Officieel Certificaat Data Science met Python

    De deelnemers krijgen na het goed doorlopen van de cursus een officieel certificaat Data Science met Python.

  • Cursus Data Science met Python

    In de cursus Data Science met Python leer je hoe je de Python taal en de Python libraries gebruikt bij modellerings projecten en machine learning.

  • Cursusvorm

    Al onze cursussen zijn klassikale cursussen waarbij de cursisten aan de hand van een ervaren trainer met diepgaande materie kennis door de stof worden geleid. Theorie wordt steeds afgewisseld met oefeningen.

    Maatwerk

    We doen ook maatwerk  en passen dan de cursusinhoud aan op uw wensen. Op verzoek gaan we ook in op uw praktijkcases.

    Cursustijden

    De cursustijden zijn in pricipe van 9.30 tot 16.30. Maar we zijn hierin flexibel. Soms moeten mensen namelijk kinderen naar de opvang brengen of halen en komen andere tijden hun beter uit. In goed overleg kunnen we dan andere cursustijden afspreken.

    Hardware

    Wij zorgen voor de computers waarop de cursus gehouden kan worden. Op deze computer is de voor de cursus benodigde software al geinstalleerd. U hoeft geen laptop mee te nemen om aan de cursus te kunnen deelnemen. Als u liever op uw eigen laptop werkt kunt u hem desgewenst meenemen. De benodigde software wordt dan aan het begin van de cursus geinstalleerd.

    Software

    Onze cursussen worden over het algemeen gegeven met Open Source software zoals Eclipse, IntelliJ, Tomcat, Pycharm, Anaconda en Netbeans. Het digitale cursusmateriaal krijgt u na de cursus mee naar huis.

    Lunch

    De cursus is inclusief lunch die we in een restaurantje op loopafstand van het cursuslokaal gebruiken.

    Locaties

    De cursussen worden op diverse plaatsen in het land gepland. Een cursus gaat op een locatie door als er zich minimaal 3 mensen voor die locatie inschrijven. Als er inschrijvingen voor verschillende locaties zijn gaat de cursus door op onze hoofdlocatie is Houten net onder Utrecht. Een cursus op onze hoofdlocatie gaat ook door bij 2 inschrijvingen en regelmatig ook bij 1 inschrijving.  Overigens doen we ook cursussen op de locatie van de klant als men daar prijs op stelt.