Apie mokymus

Mokymų teikėjo pateikta informacija

Anotacija

Rodyti daugiau Rodyti mažiau

Ši programa yra skirta programavimo patirties neturintiems asmenims norintiems ne tik išmokti programuoti bet ir praktiškai taikyti programinį kodą duomenų analizei. Medžiagoje pateikiama daug pažangiosios duomenų analitikos informacijos, uždavinių ir pavyzdžių, naudojant Python programavimo kalbą pažangiai duomenų analizei. Čia ne tik įgyjamas bendras supratimas kas yra duomenų analizė, bet ir kuriami realūs duomenų analizės sprendimai. Supažindinama ir gyvai demonstruojami darbdavių reikalavimai ir realios užduotys keliamos duomenų analitikams įsidarbinimo atrankose.

Svarbi informacija

Mokymosi būdas

Vieta

Kalba

Aukštos pridėtinės vertės programa

Taip

Minimalūs reikalavimai dalyviui

Išsilavinimas

Vidurinis išsilavinimas

Įgyjamos ir tobulinamos kompetencijos

Bendrosios kompetencijos:

Matematinė kompetencija ir gamtos mokslų, technologijų ir inžinerijos kompetencija

Skaitmeninė kompetencija

Profesinės kompetencijos:

Kurti tipinę programinę įrangą

Kurti didžiųjų duomenų analitinius projektus

Taikyti aktualias programinės įrangos kūrimo metodikas

Mokymosi programos turinys

Temos pavadinimas	Trumpas temos aprašymas
Temos pavadinimas Analitinių projektų kūrimas	Trumpas temos aprašymas Baigiamojo projekto rengimas; • Hipotezių kėlimas ir nuoseklus jų tikrinimas; • Projekto tikslų nustatymas; • Projekto išvadų aprašymas; • Python funkcijų taikymas projekte; • Python ciklų naudojimas projekto algoritmuose; • Duomenų analizės pagrindimas grafikais; • Python modulių taikymas; • Mašininio mokymosi algoritmų taikymas. • Python kodo naudojimas įkeliant duomenis į Power BI Desktop įrankį; • Python kodo naudojimas braižant Power BI Desktop grafikus; • Python modulių importavimas į Power BI aplinką; • Python kodo naudojimas transformuojant duomenis Power Query rengyklėje; • Duomenų kodavimas ir dekodavimas Power BI įrankyje naudojant Python kodą.
Temos pavadinimas Nesudėtingų mašininio mokymosi algoritmų kūrimas	Trumpas temos aprašymas • Mašininio mokymosi algoritmų matematinis pagrindas; • Pagrindinės mašininio mokymosi technologijos; • Klasifikacija; • KNN artimiausių kaimynų klasifikacija; • Regresijų tipai; • Tiesinė regresija; • Logistinė regresija; • R2 tikslumo matas; • Grupavimas; • Matmenų mažinimas; • Pagrindinės mašininio mokymo algoritmų sudėtinės dalys; • Mašininio mokymosi algoritmų taikymas; • Scikit Learn modulio instaliavimas; • Scikit Learn modulio įrankiai; • Duomenų failo skaidymas į X (duomenų) ir y (rezultato) stulpelius; • Tiesinės regresijos modulio importavimas; • Modelio apmokymas su X duomenimis naudojant fit funkciją; • Modelio rezultato spėjimas y su predict funkcija; • Rezultatų atvaizdavimas grafike; • Modelio tikslumo R2 tikrinimas su score funkcija; • Logistinės regresijos modulio importavimas; • Sigmoidės funkcijos principai; • Duomenų paketo skaidymas į mokymo ir testavimo duomenų paketus.
Temos pavadinimas Išplėstinė duomenų analizė naudojant specializuotus Python programavimo modulius	Trumpas temos aprašymas • Python trečiųjų šalių sukurtų modulių biblioteka pypi.org; • Modulio komponentų importavimo ir pervadinimo principai; • NumPy; • Pandas; • Matplotlib; • NumPy modulio pagrindu sukurti kiti moduliai; • NumPy modulio duomenų struktūros – masyvai (angl. Arrays); • Skirtingų dimensijų masyvai; • Pandas modulio instaliavimo principai skirtingose aplinkose; • Pandas modulio duomenų struktūros; • DataFrame duomenų struktūros savybės ir struktūra; • NumPy greitaveika; • Masyvų metodai; • Masyvų problematika naudojant ne skaitines reikšmes; • Duomenų formatų skaitymas ir įrašymas su Pandas; • Greitoji failų analizė; • Duomenų failo valymas (angl. Data Cleaning) naudojant Pandas; • Naujų duomenų kūrimas ir esamų keitimas; • Duomenų grupavimas, rikiavimas ir jungimas; • SQL serverio duomenų skaitymas ir įrašymas: • Prisijungimo prie serverio kredencialų nurodymo sintaksė; • SQL duomenų bazės kūrimas naudojant Python kodą.
Temos pavadinimas Programavimo pagrindai naudojant Python programinę kalbą	Trumpas temos aprašymas • Python programos parsisiuntimas ir instaliavimas; • Kodo redaktoriaus PyCharm parsisiuntimas ir instaliavimas; • Kodo redaktoriaus Jupyter Notebook parsisiuntimas ir instaliavimas; • Kompiuterio reikalavimai programinio kodo rašymui; • Kodo redaktorių skirtumai; • Python failų tipai .py ir .ipynb;• Skirtingų IT profesijų darbo rinka (patirtis ir darbo užmokestis); • Programavimo kalbų skirtumai ir panašumai: • Bitai; • Baitai; • Teksto konvertavimas į dvejetainį kodą – ASCII; • Programinio kodo kompiliavimas; • Programinio kodo interpretavimas; • Algoritmų koncepcija; • Bazinės Python funkcijos; • Python primityviosios duomenų struktūros; • Python bazinė matematika; • Python neprimityviosios duomenų struktūros; • Python ciklai; • Python klaidų valdymas; • Python funkcijos; • Python objektinio programavimo (OOP) koncepcija; • Python integruotieji moduliai.
Temos pavadinimas Grafinis duomenų atvaizdavimas naudojant Python modulius	Trumpas temos aprašymas Tema. Grafikų braižymas naudojant Pandas modulį; • Reikiamų modulių instaliavimas grafikų braižymui; • Grafikų braižymo principai skirtinguose kodų redaktoriuose; • Grafikų braižymo ypatumai Jupyter Notebook aplinkoje; • Ašių braižymas naudojant NumPy modulio metodus; • Ašių transformacijos į DataFrame; • Pandas plot funkcijos naudojimas; • Grafikų pavadinimų ir ašių pavadinimų keitimas; • Skirtingų grafikų tipų pasirinkimo principai; • Pyrago tipo grafikų braižymas; • Stulpelinių grafikų braižymas; • Užpildytų linijinių grafikų braižymas; • Grafikų braižymas nuskaitytiems duomenims; • Matplotlib grafikų biblioteka; • Matplotlib modulio ir atskirų jo dalių importavimas; • Sudėtingų Matplotlib grafikų kopijavimas; • Matplotlib grafikų atvaizdavimo ypatumai naudojant skirtingus kodo redaktorius; • Grafikų ašių nustatymas; • Grafikų pavadinimų ir ašių pavadinimų keitimas.
Temos pavadinimas Kompiuterio parengimas programavimui.	Trumpas temos aprašymas Python programavimui skirtų įrankių parsisiuntimas ir instaliavimas; • Python programos parsisiuntimas ir instaliavimas; • Kodo redaktoriaus PyCharm parsisiuntimas ir instaliavimas; • Kodo redaktoriaus Jupyter Notebook parsisiuntimas ir instaliavimas; • Kompiuterio reikalavimai programinio kodo rašymui; • Python kodo naudojimas skirtingose operacinėse sistemose; • Python kodo paleidimas naudojant komandinę eilutę; • Kodo redaktorių skirtumai; • Programų kūrimui skirti kodo redaktoriai; • Duomenų analizei adaptuoti kodo redaktoriai; • Python failų tipai .py ir .ipynb; • PyCharm kodo redaktoriaus apžvalga; • Microsoft Visual Studio Code kodo redaktoriaus apžvalga; • Jupyter Notebook kodo redaktoriaus apžvalga; • Google Colab kodo redaktoriaus apžvalga; • Programavimo kalbų svarba duomenų moksle; • Skirtingų IT profesijų darbo rinka (patirtis ir darbo užmokestis).
Temos pavadinimas Python bendruomenės kuriami trečiųjų šalių moduliai, jų svarbą ir taikymas.	Trumpas temos aprašymas Python trečiųjų šalių moduliai; • Python trečiųjų šalių sukurtų modulių biblioteka pypi.org; • Trečiųjų šalių modulių instaliavimo principai; • Modulio komponentų importavimo ir pervadinimo principai; • Trečiųjų šalių modulis NumPy; • Trečiųjų šalių modulis Pandas; • Trečiųjų šalių modulis Matplotlib; • Trečiųjų šalių modulis Seaborn; • Trečiųjų šalių modulis Scikit-Learn; • NumPy modulio koncepcija; • NumPy modulio pagrindu sukurti kiti moduliai; • NumPy modulio duomenų struktūros – masyvai (angl. Arrays); • Skirtingų dimensijų masyvai; • Masyvų indeksavimas ir pjaustymas (angl. Slicing); • Masyvų filtravimas; • Veiksmai su masyvais; • Vektorinės matematikos principų taikymas masyvams.