Základy statistiky v jazyce Python s knihovnami pandas, sklearn, matplotlib a seaborn (PYTHAI1)

Programování, Python

Toto školení se zaměřuje na základy statistiky v jazyce Python a knihovnách pandas, sklearn, matplotlib a seaborn. Účastníci se naučí analýze a interpretaci dat, základním principům strojového učení a vizualizaci datových analýz. Školení zahrnuje deskriptivní statistiku, pravděpodobnost a rozdělení, vztahy mezi proměnnými, inferenční statistiku a práci s kategoriálními proměnnými.

TOTO ŠKOLENÍ VÁM POMŮŽE:

  • Získat dovednosti potřebné k analýze a správné interpretaci dat
  • Pochopit základní principy strojového učení
  • Komunikovat závěry z datové analýzy kolegům, nadřízeným, podřízeným a obchodním partnerům za pomoci knihoven pro vizualizaci dat

KDO BY SE MĚL KURZU ZÚČASTNIT?

  • Začínající datoví analytici a vývojáři
  • Specialisté z řad marketingu, prodeje, logistiky

Lokalita, termín kurzu



Brno + online (volitelně)
Praha + online (volitelně)
VirtualPro
Virtuálně se můžete přidat i ke školením ve výše nabízených lokalitách. Do poznámky v objednávce prosím uveďte „Připojím se virtuálně“
Vlastní

Náplň kurzu:

Skrýt detaily
  • Deskriptivní statistika
    1. Střední hodnota, medián, rozptyl, směrodatná odchylka, kvartily
    2. Výpočet deskriptivních statistik s pandas
    3. Vizualizace deskriptivních statistik pomocí matplotlib a seaborn
  • Pravděpodobnost a rozdělení
    1. Základy pravděpodobnosti
    2. Diskrétní a spojité rozdělení: binomické, normální, exponenciální, t-student
    3. Výpočet pravděpodobnosti a percentilů s pomocí Pythonu
  • Vztahy mezi proměnnými
    1. Korelace: Pearsonův, Spearmanův
    2. Výpočet korelace s pandas a vizualizace pomocí seaborn
    3. Regresní analýza: lineární regrese, metoda nejmenších čtverců
    4. Implementace lineární regrese s pomocí sklearn
    5. Inferenční statistika
  • Hypotéza, nulová hypotéza, alternativní hypotéza
    1. Chyby prvního a druhého druhu
    2. Základní testy: t-test, ANOVA, chi-kvadrát
    3. Implementace testů s Pythonu pomocí knihovny scipy
  • Inferenční statistika
    1. Hypotéza, nulová hypotéza, alternativní hypotéza
    2. Chyby prvního a druhého druhu
    3. Základní testy: t-test, ANOVA, chi-kvadrát
    4. Implementace testů s Pythonu pomocí knihovny scipy
  • Práce s kategoriálními proměnnými
    1. Identifikace kategoriálních proměnných
    2. Převod kategoriálních proměnných na numerické
    3. Implementace převodu kategoriálních proměnných s pandas a sklearn
Předpokládané znalosti:
základní znalost jazyka Python a knihovny Pandas, ideálně na úrovni školení PYTH1
Doporučený předchozí kurz:
Python - základy programování (PYTH1)
Časový rozvrh:
2 dny (9:00hod. - 17:00hod.)
Cena za osobu:
25 900,00 Kč (31 339,00 Kč včetně 21% DPH)
Jazyk:
Česky