Kurzusleírás
Python alapok adatfeladatokhoz
- Python telepítése és fejlesztői környezet beállítása
- Nyelvi alapok: változók, adattípusok, vezérlési szerkezetek
- Egyszerű Python szkriptek írása és futtatása
Fájlkezelés: CSV és Excel
- CSV fájlok olvasása és írása a csv modul és a Pandas segítségével
- Excel fájlok kezelése az openpyxl/xlrd és a Pandas segítségével
- Gyakorlati feladatok: fájlkonverziók automatizálása
Bevezetés a Pandasba
- DataFrame alapok: létrehozás, indexelés, kiválasztás és szűrés
- Aggregálás és csoportosítási műveletek
- Gyakori tisztítási műveletek: hiányzó értékek, duplikátumok és típuskonverziók
Bevezetés a Polarsba
- A Polars alapfogalmai és teljesítményjellemzői a Pandashoz képest
- Alapvető DataFrame műveletek a Polarsban
- Használati példa: mikor válasszuk a Polarst a Pandas helyett
Haladó adatátalakítás (középszint)
- Komplex joinok, ablakfüggvények és pivot műveletek a Pandasban
- Hatékony adatfeldolgozási minták a Polarsban
- Műveletláncolás és memóriahasználat optimalizálása
Folyamatautomatizálás Pythonnal
- Szkriptek írása ismétlődő adatfeladatok és ETL lépések automatizálásához
- Szkriptek ütemezése operációs rendszer vagy feladatütemezők segítségével
- Naplózás, hibakezelés és értesítések
Szkriptek csomagolása és legjobb gyakorlatok
- Futtatható állományok készítése a PyInstaller vagy hasonló eszközökkel
- Projektszervezés, virtuális környezetek és függőségkezelés
- Verziókezelés alapjai és munkafolyamatok dokumentálása
Gyakorlati miniprojekt
- Teljes körű feladat: nyers fájlok olvasása, adatok tisztítása és átalakítása, kimenetek generálása
- A munkafolyamat automatizálása és csomagolása futtatható szkriptként vagy állományként
- Áttekintés és fejlesztések társai visszajelzések alapján
Összefoglalás és következő lépések
Követelmények
- Alapvető ismeretek a programozás alapjaival vagy hajlandóság a tanulásra
- Kényelmes használat a parancssorban vagy terminálban csomagok telepítéséhez
- Tapasztalat táblázatkezelőkkel (CSV/Excel) való munkavégzésben
Célközönség
- Adatelemzők és műveleti munkatársak, akik adatfeladatokat automatizálnak
- Elemző mérnökök, akik könnyű ETL szkriptelést keresnek
- Szakemberek, akik gyakorlati Python-alapú adatfeldolgozási munkafolyamatok iránt érdeklődnek
Vélemények (2)
A gyakorlati feladatok a tartalomhoz való kapcsolódáshoz nagy segítséget nyújtanak, hogy jobban megértsük minden témát. Ezenkívül az órát előadással kezdve, majd gyakorlati feladatokkal folytatva szintén jó és hasznos módja annak, hogy kapcsolatot teremtsek az korábban bemutatott anyaggal.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Kurzus - Introduction to Data Science and AI using Python
Gépi fordítás
Példák és gyakorlati feladatok, amelyek tökéletesen illeszknek a területünkre
Luc - CS Group
Kurzus - Scaling Data Analysis with Python and Dask
Gépi fordítás
