Coursera python data analysis

Анализ данных с Python

Joseph Santarcangelo

Доступна финансовая помощь

IBM

Об этом курсе

Analyzing data with Python is an essential skill for Data Scientists and Data Analysts. This course will take you from the basics of data analysis with Python to building and evaluating data models.

Topics covered include: — collecting and importing data — cleaning, preparing & formatting data — data frame manipulation — summarizing data — building machine learning regression models — model refinement — creating data pipelines You will learn how to import data from multiple sources, clean and wrangle data, perform exploratory data analysis (EDA), and create meaningful data visualizations. You will then predict future trends from data by developing linear, multiple, polynomial regression models & pipelines and learn how to evaluate them. In addition to video lectures you will learn and practice using hands-on labs and projects. You will work with several open source Python libraries, including Pandas and Numpy to load, manipulate, analyze, and visualize cool datasets. You will also work with scipy and scikit-learn, to build machine learning models and make predictions. If you choose to take this course and earn the Coursera course certificate, you will also earn an IBM digital badge.

Источник

Python Data Analysis

Мы попросили всех учащихся предоставить отзывы о качестве преподавания наших специалистов.

Доступна финансовая помощь

36 565 уже зарегистрированы

Включено в рамках

Курс

Подробнее

Добавить в ваш профиль LinkedIn

Языки

Доступен на таких языках: Английский

Субтитры: Немецкий, Русский, Португальский (бразильский), Английский, Итальянский, Французский, Испанский, Арабский, Португальский (Европа), Вьетнамский, Тайский, Индонезийский

Курс

Узнайте, как сотрудники ведущих компаний осваивают востребованные навыки

Получайте профильные знания по нужным предметам

• Узнавайте о новых концепциях у отраслевых экспертов
• Получите базовые знания о предмете или инструменте
• Развивайте профессиональные навыки с помощью практических проектов
• Получите профессиональный сертификат, ссылкой на который можно поделиться

В этом курсе 4 модуля

This course will continue the introduction to Python programming that started with Python Programming Essentials and Python Data Representations. We’ll learn about reading, storing, and processing tabular data, which are common tasks. We will also teach you about CSV files and Python’s support for reading and writing them. CSV files are a generic, plain text file format that allows you to exchange tabular data between different programs. These concepts and skills will help you to further extend your Python programming knowledge and allow you to process more complex data.

By the end of the course, you will be comfortable working with tabular data in Python. This will extend your Python programming expertise, enabling you to write a wider range of scripts using Python. This course uses Python 3. While most Python programs continue to use Python 2, Python 3 is the future of the Python programming language. This course uses basic desktop Python development environments, allowing you to run Python programs directly on your computer.

Dictionaries

This module will teach you about Python’s dictionary data type and its capabilities. Dictionaries are used to map keys to values within programs.

Что включено

2 материала для самостоятельного изучения

Show info about module content

• Welcome! • 2 мин. • Предварительный просмотр модуля
• Class Structure • 4 мин.
• Python Dictionaries • 5 мин.
• Defining a Dictionary • 6 мин.
• Dictionary Lookup and Update • 8 мин.
• Checking Keys • 8 мин.
• Handling Dictionary Errors • 8 мин.

2 материала для самостоятельного изучения • Итого 20 минут

Источник

Анализ данных с Python

You should have a working knowledge of Python and Jupyter Notebooks.

Чему вы научитесь

Develop Python code for cleaning and preparing data for analysis — including handling missing values, formatting, normalizing, and binning data

Perform exploratory data analysis and apply analytical techniques to real-word datasets using libraries such as Pandas, Numpy and Scipy

Manipulate data using dataframes, summarize data, understand data distribution, perform correlation and create data pipelines

Build and evaluate regression models using machine learning scikit-learn library and use them for prediction and decision making

Получаемые навыки

Подробнее

Добавить в ваш профиль LinkedIn

Языки

Доступен на таких языках: Английский

Субтитры: Немецкий, Русский, Португальский (бразильский), Английский, Итальянский, Французский, Испанский, Арабский, Португальский (Европа), Вьетнамский, Тайский, Индонезийский , Персидский, Турецкий

Курс

Рекомендуется

You should have a working knowledge of Python and Jupyter Notebooks.

Узнайте, как сотрудники ведущих компаний осваивают востребованные навыки

Получайте профильные знания по нужным предметам

• Узнавайте о новых концепциях у отраслевых экспертов
• Получите базовые знания о предмете или инструменте
• Развивайте профессиональные навыки с помощью практических проектов
• Получите профессиональный сертификат, ссылкой на который можно поделиться

В этом курсе 6 модулей

Analyzing data with Python is an essential skill for Data Scientists and Data Analysts. This course will take you from the basics of data analysis with Python to building and evaluating data models.

Topics covered include: — collecting and importing data — cleaning, preparing & formatting data — data frame manipulation — summarizing data — building machine learning regression models — model refinement — creating data pipelines You will learn how to import data from multiple sources, clean and wrangle data, perform exploratory data analysis (EDA), and create meaningful data visualizations. You will then predict future trends from data by developing linear, multiple, polynomial regression models & pipelines and learn how to evaluate them. In addition to video lectures you will learn and practice using hands-on labs and projects. You will work with several open source Python libraries, including Pandas and Numpy to load, manipulate, analyze, and visualize cool datasets. You will also work with scipy and scikit-learn, to build machine learning models and make predictions. If you choose to take this course and earn the Coursera course certificate, you will also earn an IBM digital badge.

Importing Datasets

In this module, you will learn how to understand data and learn about how to use the libraries in Python to help you import data from multiple sources. You will then learn how to perform some basic tasks to start exploring and analyzing the imported data set.

Что включено

1 материал для самостоятельного изучения

Show info about module content

• The Problem • 1 мин. • Предварительный просмотр модуля
• Understanding the Data • 2 мин.
• Python Packages for Data Science • 2 мин.
• Importing and Exporting Data in Python • 4 мин.
• Getting Started Analyzing Data in Python • 4 мин.
• Accessing Databases with Python • 4 мин.

1 материал для самостоятельного изучения • Итого 1 минута

• Graded Quiz: Importing Datasets • 15 мин.
• Practice Quiz: Understanding the Data • 6 мин.
• Practice Quiz: Python Packages for Data Science • 2 мин.
• Practice Quiz: Importing and Exporting Data in Python • 3 мин.
• Practice Quiz: Getting Started Analyzing Data in Python • 3 мин.

Источник

Введение в науку о данных с Python

Включено в рамках

Курс

Чему вы научитесь

Получаемые навыки

Подробнее

Добавить в ваш профиль LinkedIn

Языки

Доступен на таких языках: Английский

Субтитры: Немецкий, Русский, Корейский, Португальский (бразильский), Английский, Итальянский, Французский, Испанский, Арабский, Португальский (Европа), Вьетнамский, Тайский, Индонезийский

Курс

Узнайте, как сотрудники ведущих компаний осваивают востребованные навыки

Получайте профильные знания по нужным предметам

• Узнавайте о новых концепциях у отраслевых экспертов
• Получите базовые знания о предмете или инструменте
• Развивайте профессиональные навыки с помощью практических проектов
• Получите профессиональный сертификат, ссылкой на который можно поделиться

В этом курсе 4 модуля

This course will introduce the learner to the basics of the python programming environment, including fundamental python programming techniques such as lambdas, reading and manipulating csv files, and the numpy library. The course will introduce data manipulation and cleaning techniques using the popular python pandas data science library and introduce the abstraction of the Series and DataFrame as the central data structures for data analysis, along with tutorials on how to use functions such as groupby, merge, and pivot tables effectively. By the end of this course, students will be able to take tabular data, clean it, manipulate it, and run basic inferential statistical analyses.

This course should be taken before any of the other Applied Data Science with Python courses: Applied Plotting, Charting & Data Representation in Python, Applied Machine Learning in Python, Applied Text Mining in Python, Applied Social Network Analysis in Python.

Fundamentals of Data Manipulation with Python

In this week you’ll get an introduction to the field of data science, review common Python functionality and features which data scientists use, and be introduced to the Coursera Jupyter Notebook for the lectures. All of the course information on grading, prerequisites, and expectations are on the course syllabus, and you can find more information about the Jupyter Notebooks on our Course Resources page.

Что включено

6 материалов для самостоятельного изучения

Show info about module content

12 видео • Итого 111 минут

• Introduction to Specialization • 3 мин. • Предварительный просмотр модуля
• Introduction to the Course • 4 мин.
• The Coursera Jupyter Notebook System • 8 мин.
• Python Functions • 8 мин.
• Python Types and Sequences • 8 мин.
• Python More on Strings • 3 мин.
• Python Demonstration: Reading and Writing CSV files • 3 мин.
• Python Dates and Times • 2 мин.
• Advanced Python Objects, map() • 5 мин.
• Advanced Python Lambda and List Comprehensions • 2 мин.
• Numerical Python Library (NumPy) • 32 мин.
• Manipulating Text with Regular Expression • 27 мин.

6 материалов для самостоятельного изучения • Итого 300 минут

• Syllabus • 10 мин.
• Notice for Auditing Learners: Assignment Submission • 10 мин.
• Help Us Learn More About You! • 10 мин.
• Week 1 Textbook Reading Assignment (Optional) • 120 мин.
• 50 years of Data Science, David Donoho (Optional) • 90 мин.
• Regular Expression Operations documentation • 60 мин.

Источник