Python ilə Data Analitikası

Təlim haqqında

Python ilə Data analitikasını öyrənin!
Bu təlimdən sonra Python vasitəsilə müxtəlif data növləri ilə işləməyi, datanı təmizləməyi və analiz üçün hazır vəziyyətə gətirməyi, statistik analizlər etməyi, müxtəlif modellər qurmağı və onları vizuallaşdırmağı, datanıza əsasən gələcək trendləri proqnozlaşdırmağı bacaracaqsınız. 

Təlimçi haqqında

Coşqun Hüseynov – Qafqaz Universitetindən məzun olmuşdur. Paşa Sığortada Aktuari şöbəsində Data Analitik olaraq çalışır. Daha əvvəl Sumqayıt Texnologiya Parkı (STP)-da Konstruksiya Texnologiyaları departamentində Data Analitik olaraq çalışmışdır. Çalışdığı müddət ərzində Python ilə layihələrin avtomatlaşdırılmasını həyata keçirmişdir. Hazırda Paşa Sığortada Prediktiv modellərin qurulması, məlumatların avtomatlaşdırılması, dataların təmizlənməsi, interaktiv vizuallaşdırma və reportların hazırlanması ilə məşğuldur. Bununla yanaşı, Machine Learning alqoritmlərindən ibarət bir startup üzərində çalışmaqdadır.

Təlimin metodu

Təlim müddətində mövzular praktiki tətbiq üzərindən izah olunacaq. Həftəlik və aylıq testlərlə mövzuların mənimsənilməsi ölçüləcək. Təlim iştirakçıları müxtəlif keyzlər üzərində praktiki olaraq işləyəcəklər. Həmçinin, hər dərsin sonunda ev tapşırıqları ilə keçilən mövzular daha da möhkəmləndiriləcək. Təlimin sonunda iştirakçılar 2 ay ərzində öyrəndikləri bacarıqları tətbiq edərək onlara verilmiş proyekt üzərində işləyəcəklər. Təlim proqramı ərzində iştirakçılara mentorluq dəstəyi də göstəriləcək. Dərslərə davamiyyət və keçirilən testlərin nəticələrinə əsasən iştirakçılar sertifikatla təmin olunacaqdır.

Təlimin auditoriyası

Statistik və riyazi modelləşdirmə ilə məşğul olanlar, Data Science, Data Analitikası, Biznes Analitikası, Marketing Research, Maliyyə Analitikası və Risklərin İdarə Olunması, Proseslərin avtomatlaşdırılması, Aktuari, Sığorta və Bank sahəsində çalışanlar və çalışmaq istəyənlər.

Təlimin proqramı

Programming basics

  • Understanding variables
  • Aggregation and working with variables
  • Using variables
  • Loops and statements
  • While Loop
  • For Loop
  • If Statement

Statistics

  • Introduction to Statistics
  • Distributions and Normal Distribution
  • Population and sampling
  • Explanatory data analysis
  • Mean, median, modes
  • Quartiles
  • Histograms and basic visualization for data profiling
  • Correlation and Variance
  • Probability
  • Hypothesis testing

Fundamentals of Python

  • Python conceptions
  • List
  • Tuples
  • Functions
  • Packages
  • Numpy library
  • Arrays
  • Slicing
  • Matrices
  • Dictionaries
  • Creating functions

DataFrames

  • Pandas library
  • Importing Data
  • Exploring Data
  • Subsetting
  • Basic Operations
  • Filtering DataFrame
  • Iloc and loc

Data Cleaning

  • Explore, detect
    • Importance of Data Cleaning
    • Dealing with duplicates
    • Detect problems
    • Dealing with Data types
    • Explore dataset
  • Missing values
    • Irrelevant columns
    • Summarizing and Replacing missing values
    • Unexpected missing values
    • Standard, Non-Standard missing values
  • Outliers
    • Indexes (change, sort, add, replace)
    • Clean with describe
    • Strings
    • Remove, replace outliers
    • Box plot for outliers

Plotly Visualization

  • Getting data ready for visualization
  • Installing, importing libraries
  • Features of Plotly
  • Line Charts
  • Scatter Plot
  • Scatter Matrix Plot
  • Bar Plot
  • Hist Plot
  • Subplots

Introduction to Machine Learning

  • What is Predictive modelling?
  • What is ML?
  • Workflow in ML
  • Introduction to predictive modelling and tools for predictive modelling
  • Characteristics of Regression, Classification, Clustering models
  • Building Regression models (Linear Regression)
  • Building Classification models(Logistic Regression)
Müraciət et
Müraciət et