fbpx
  • nl
  • en

Cursus Data Analyse met Python

Cursus Data Analyse 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 and 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
    List comprehensions
    Set and Dictionary comprehensions
    Creating and Using Modules
    import Statement
    from…import Statement
    Creating Classes
    Creating and Using Objects
    Accessing Attributes
    Property Syntax
    Constructors and Destructors
    Encapsulation
    Inheritance
    super Keyword
    Checking Relationships
    issubclass and isinstance
    Overriding Methods

    Module 4 : Numpy

    Module 5 : Pandas

    Module 6 : Data Manipulation

    NumPy Numerical Types
    Data Type objects
    dtype attributes
    Slicing and Indexing
    Array comparisons
    Manipulating array shapes
    Stacking and Splitting arrays
    any(),all(), slicing, reshape()
    Manipulating array shapes
    Methods of ndarray
    Views versus copies
    ravel(),flatten(),transpose()
    Pandas DataFrame
    Import Data
    Inspect Data
    Data Visualization
    DataFrame Data Types
    Indexing and selection
    Data operations in pandas
    Missing Data
    Hierarchical Indexing
    Plotting with Pandas
    Combining Datasets
    Exploratory Data Analysis
    Indexing Data Frames
    .loc and .iloc Accessor
    Slicing and Indexing a Series
    Filtering with Boolean Series
    Zeros and NaNs
    all and any Nonzeros
    Using map Function
    Hierarchical Indexing
    Rearranging Data
    Reshaping by Pivoting
    Transformation and Aggregation
    Grouping Data

    Module 7 : MatplotLib

    Module 8 : Time Series

    Module 9 : SciKitLearn Essentials

    Simple Plots
    Plot format String
    Subplots
    Histograms
    Logarithmic Plots
    Scatter plots
    Fill between
    Legend and Annotations
    Three Dimensional Plots
    Contour Plots
    Transformations
    Projections
    Indexing Pandas Time Series
    Reading and Slicing Times
    Using a DatetimeIndex
    Reindexing the Index
    Separating and Resampling
    Rolling mean and Frequency
    Resample and Roll with it
    Manipulating Time Series
    Method chaining and Filtering
    Missing values and Interpolation
    Time Zones and Conversion
    Plotting Time Series
    SkiKit Learn library
    Machine learning essentials
    Supervised and Unsupervised
    Feature matrix
    Target array
    Estimator API
    Hyperparameters
    Fit method
    Predict method
    Model Selection
    Linear Regression
    Logistic Regression
  • Doelgroep Cursus Data Analyse met Python

    Cursus-Data-Analyse-met-PythonDe cursus Data Analyse met Python is bedoeld voor data analisten die Python en de Python libraries willen gebruiken in Data Analyse projecten.

    Voorkennis training Data Analyse met Python

    Om aan deze cursus te kunnen deelnemen is kennis van en ervaring met een willekeurige programmeertaal of pakket zoals SPSS, Matlab of VBA wenselijk. De cursus start met de behandeling van de beginselen van de programmeertaal Python.

    Uitvoering cursus Data Analyse 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 Analyse met Python

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

  • Cursus Data Analyse met Python

    In de cursus Data Analyse met Python leert u hoe u de Python taal en Python libraries kunt gebruiken in Data Analysis projecten. De cursus start met een behandeling in vogelvlucht van de Python syntax aspecten die belangrijk zijn bij Data Analyse projecten. Variabelen, data types, functies, flow control, comprehensions, classes, modules en packages worden besproken. Ook wordt ingegaan op de werking van de Jupyter notebooks, de IPython shell en het installeren van Python packages in Anaconda. Vervolgens komt het NumPy package aan de orde, waarmee grote datasets zeer efficiënt verwerkt kunnen worden. Hierbij wordt NumPy’s ndarray object en zijn methodes besproken. Aandacht wordt besteed aan de verschillende array manipulatie technieken met broadcasting en vectorized operations. Vervolgens is het de beurt aan het gebruik van Panda's voor data analyse. De pandas library introduceert twee nieuwe data structures in Python die gebruik maken van Numpy en daarom snel zijn. De data structures zijn DataFrame en Series en er wordt uitgebreid ingegaan hoe deze te gebruiken voor data analysis bij het inspecteren, selecteren, filteren, combineren en groeperen van data. Hierbij wordt ook de MatPlotlib library besproken die nauw is geïntegreerd met NumPy en een zeer krachtig instrument vormt voor het creeeren en plotten van complexe data relaties. En tenslotte wordt aandacht besteed aan de essentials van de ScikitLearn library voor modellering. De cursus maakt gebruik van vele voorbeelden uit de praktijk en laat zien hoe één- en twee- en drie dimensionale data sets kunnen worden gevisualiseerd.

  • 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.

  • Hilde : Actiam
    Veel geleerd. De python libraries voor Data Analyse zijn omvangrijk. Ik heb het overzicht en kan dingen verder uitzoeken.
    Fred : Telegraaf
    Prima training. Schat aan extra materiaal mee naar huis gekregen.
    Casper : Telegraaf
    Alle onderwerpen zijn aan bod gekomen maar ik zou graag nog meer aandacht willen voor prediction en machine learning.
    Lennart : ABN-AMRO
    Good course. It would be useful to be able to practice more in between the course days.
    Peter : ABN-AMRO
    Due to the group the pace was high, but there was one 'beginner' who had a hard time keeping up.
    Herman : ING
    Deze training gaf een goed overzicht van de mogelijkheden van programmeren in Python en werd gegeven door een enthousiaste, kundige trainer.
    Naar mijn mening werd er iets te veel tijd besteed aan plots maken, maar volgens mij is dat in vervolg trainingen al aangepast.
    Gangjian : ABN-AMRO
    Very informative course for Python starters. The course covers a lot of practical(detailed) issues that can be encountered in daily analytical work. The teacher is open to discussion and helpful.
    Yang : ABN-AMRO
    The content of Python course for data science is quite comprehensive.
    The lecturer is helpful in explaining concepts and giving advice for problems.
    Vijay : NXP
    SpiralTrain helped me to fine tune the material for the need of all participants.
    I find them helpful and friendly.
    Good company and pleasure to have the course from them.
    Joost-Jan : Staples
    Zeer nuttige training met veel informatie en theorie.
    Ik had graag nog meer tijd gehad voor handson praktijk en exercises.
    Goede service en goed behandeld.