fbpx

完整的使用 Python 做資料處理和資料視覺化課程

課程簡介

學習如何做資料的預先處理和資料清洗 ( Data Wrangling )與視覺化,使用 Python 開發實際的資料科學應用程式

從這 6 小時的課程,你會學到

  • 安裝並開始使用 Python 資料科學開發環境-Jupyter/iPython
  • 從不同來源讀取資料進入 Jupyter/iPython 環境
  • 在 Jupyter 環境中進行基本的資料預處理和清洗
  • 學會識別在任何給定的情況下應該使用哪種視覺化
  • 在 Jupyter 中從基礎級別到執行最常見的資料預處理、資料清洗和資料視覺化任務
  • 如何使用一些最重要的 R 資料處理和視覺化套件,如 Matplotlib
  • 從真實資料構建強大的視覺化和圖表
  • 在實際的資料分析和解釋中應用資料視覺化概念
  • 通過立時應用你即將獲得的知識,在 Jupyter 中熟練掌握資料預處理、資料清洗和資料視覺化

要求

  • 在桌上型 / 筆記型電腦上安裝 Python 環境的能力
  • 知道如何使用 Anaconda 安裝和載入軟體套件
  • 學習真實的資料處理和視覺化的興趣

課程說明

你好,我的名字是 Minerva Singh,我是牛津大學哲學碩士(地理與環境)畢業生。 我最近在劍橋大學獲得了熱帶生態學和自然保護學博士學位。

在來自不同來源的真實生活資料使用統計模型分析以及為國際同行評審期刊撰寫出版物方面,我有多年的經驗。 如果你發現統計學的書籍和手冊太模糊,太昂貴和不實用,那麼你會愛上這門課程!

我開設這門課程是為了手把手教你們所有的概念,並解決實用資料科學中最基本的組成部分——資料清洗和視覺化。

得到一個富有許多實用的應用資訊的課程!

本課程是您獲得統計資料分析、清洗和視覺化技能知識的絕佳途徑,這些知識和技能是我在世界上最好的兩所大學接受的嚴格培訓、閱讀大量書籍以及在著名的國際期刊如《公共科學圖書館 · 綜合》上發表統計學豐富的論文中獲得的。

更具體地說,這門課程將為你做些什麼:

(a)即使你之前沒有統計建模 / 分析的背景知識,你也需要從一個基本層次到使用 Python 執行一些最常見的資料處理任務。

(b)它將使您能夠使用一些最重要的 Python 資料處理和視覺化套件,如 seaborn。

(c)以實際方式向你介紹一些最重要的資料視覺化概念,以便你能將這些概念應用於實際的資料分析和解釋。

(d)你也可以決定哪些資料清洗和視覺化技術以用來最適合回答你的研究問題和適用於你的資料和解釋結果。

本課程主要側重於幫助您實現對真實生活中的資料處理(如奧林匹克和諾貝爾獎獲得者)的不同技術

在每個視訊後,你將學習一個新的概念或技術,你可以立即應用到你自己的專案! 通過實際測驗和作業鞏固你的知識。

現在就採取行動:)當你參加這個課程時,我也會一直支援你,只是為了確保你能成功地完成它。 如果我的保證不夠,你可以在30天內要求退款您的購買,如果您不完全滿意的課程。

今天就採取行動! 我個人會支援你,並確保你在這個課程中的經驗是成功的。

目標受眾

  • 有興趣在 Jupyter 環境中開始學習資料科學應用的學生
  • 有興趣學習常見的資料預處理任務的學生
  • 有興趣接觸通用 Python 軟體套件如 pandas 的學生
  • 有興趣學習不同類型資料視覺化的人
  • 對學習創建出版等級品質視覺化感興趣的人

講師簡介

Minerva Singh Udemy 暢銷課程講師和資料科學家(劍橋大學)

你好。 我是劍橋大學的博士畢業生,主修熱帶生態學。 我還兼職資料科學家。 作為我研究的一部分,我必須進行廣泛的資料分析,包括空間資料分析。或者因為這個目的,我更喜歡使用免費軟體工具—— R,QGIS 和 Python. 我的大部分空間資料分析工作都使用 R 和 QGIS。 除了是免費的因素,這些都是非常強大的資料視覺化,處理和分析工具。 我還擁有牛津大學地理與環境碩士學位。 我通過線上課程磨練了我的統計和資料分析技能,包括分析邊緣(基於 R 的統計和 EdX 提供的機器學習課程) ,統計學習(由斯坦福線上提供的基於 R 的機器學習課程)。 除了空間資料分析,我還精通統計分析,機器學習和資料探勘。 我也喜歡一般的程式設計,資料視覺化和網路開發。 除了是一個科學家和數學家,我還是一個熱心的旅行者

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

優惠資訊

如何目前這個課程有限量免費 coupon code,有需要請到這邊留言申請


報名參加課程

Sponsored by Udemy

也許你會有興趣

 歡迎訂閱 Soft & Share 發文通知 

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: