fbpx

中文課程 – Python 3 資料分析 Data Science零基礎完全入門

透過 Python 入門資料科學、機器學習,涵蓋 Numpy/Pandas/Matplotlib/Seaborn、資料處理、分析、視覺化。

從這 6 小時的課程,你會學到

  • 如何使用 Jupyter Notebook
  • 如何使用 numpy 進行資料處理
  • 如何使用 pandas 進行資料處理和分析
  • 如何使用 matplotlib 進行資料視覺化
  • 如何使用 Seaborn 進行資料視覺化
  • 真實專案實戰

要求

  • 熟悉Python的基本語法
  • 有基本的數學基礎
  • 電腦的基本操作

課程說明

根據Indeed,Glassdoor和Dice等職場網站所提供的信息,與去年同期相比,隨著各行各業越來越依賴於資法進行決策,商業對資飯科學家的需求也在繼續擴大。

事實上,對於我們可以從不同的學習路徑進入到熱門的職業中,如何選擇一條合適的道路取決於你現在所處的職業階段。除去數學和統計學的要求外,程式設計方面的專業技術同樣是資料科學必須掌握的一項技能。

資料科學家們需要處理複雜的問題,一般問題的解決過程都包括四個主要的步驟:資料收集和清洗、資料探索、資料建模和資料視覺化。

Python可以在整個流程中提供必要有效的處理工具,每一個步驟都有專門的工具庫,對此我們會在下面做詳細介紹。 Python包含許多強大的統計學和數學工具,比如Pandas, Numpy, Matplotlib, SciPy, scikit-learn等等,另外還包括先進的深度學習工具,比如Tensorflow, PyBrain等等。

此外,Python被認作是人工智慧和機器學習的基礎語言,而資料科學和人工智慧又有著密切的交集。因此,Python被視為資料科學領域應用最廣泛的語言並不會令人感到意外。

本課程的學習需要有一定的 Python 基礎,建議您先學習一下我的 “Python3 物件導向程式設計” 課程。

本課程是 Python Data Science 的入門課程,是學習 Python 在 Text Mining,Machine learning,deep learning 中應用的基礎。

本課程主要包含以下內容:

  1. anaconda 和 Jupyter 的安裝
  2. numpy入門
  3. pandas入門
  4. 使用 pandas 進行資料分析處理
  5. 資料視覺化之 Matplotlib
  6. 資料視覺化之 Seaborn
  7. 資料分析專案實戰

資料科學是通過組織,處理和分析資料從大量不同的資料中獲取知識和洞察力的過程。它涉及許多不同的學科,如數學和統計建模,從資料源提取資料和應用資料視覺化技術。通常還涉及處理大數據技術以收集結構化和非結構化資料。

目標受眾

  • 對 data science 感興趣並想從事相關職業
  • 對使用 Python 進行資料處理分析感興趣

講師簡介

Peng Xiao 資深網路 DevOps 工程師 “麥兜搞IT” ( 更多講師主講課程介紹 )

Peng Xiao 是一名網路和軟體 DevOps 工程師。

他在 IT/網路行業擁有超過 10 年的經驗,過去 12 年曾在 Cisco Systems、Nerdalize、KPN、ING 工作。

擅長Python編程(10年以上經驗)、網路技術尤其是 L3 路由協議、分佈式系統、資料庫等。他也喜歡開源技術,作為 GitHub 用戶加入了一些開源小組並做出了一些貢獻 給他們。

他是一名 scrum master,並擁有 Cisco Service Provider CCIE 認證。

他現在在荷蘭工作和生活。

他有個中文網站 “麥兜搞IT”


🙌 如何有效率地管理 ChatGPT 輸出與整理自己的 ChatGPT 提示( prompts )使用情境?LN+ for Web 已經針對 ChatGPT 的整合做最佳化

🙌 讓 Notion AI 成為你線上學習的得力助手,詳細操作請參考 – 使用 Notion AI 功能來為 udemy 的課程做摘要總結


  • 點選這個✨優惠連結 ,課程最低價 NT330 起 至 2月1日
  • Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
  • 手機上點選優惠連結看到的價格有可能比電腦上看到的貴
  • 點選”報名參加課程”有時會轉久一點或回報無法連上線,請稍等或重新點選就會出現

報名參加課程

Sponsored by Udemy


也許你會有興趣

不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

Comments are closed.

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: