|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/bootcamp-de-data-science-com-python/
课程评论：没有评论
Coursera Python数据科学训练营：[+250道练习题][A-Z] 课程概述： 本课程是成为数据科学家的全面培训，包含250多道从A到Z的练习题，涵盖了从最基础到最高级的概念。课程采用积极的学习方法，让学生成为学习过程中的主角。课程提供大量已解决的练习题、内容总结笔记本等，重点在于通过实际操作和模拟真实问题（如数据清洗、缺失值处理、训练集和测试集划分、数据集分组和合并等）来学习编程。 课程重点介绍了Python数据科学的关键库：NumPy、Pandas、Matplotlib和Seaborn，并通过NumPy库回顾了线性代数的基本概念。 **NumPy**: 课程提供了NumPy在数据科学中的主要功能的练习，包括聚合函数、矩阵定义、矩阵运算等。 **Pandas**: 课程全面介绍了Pandas，包括Series和DataFrame的定义、数据集检查、布尔选择、行和列过滤、行和列删除、缺失值处理、分组和合并函数、文件读写、描述性统计函数等。 **Matplotlib和Seaborn**: 课程通过经典数据集展示了使用Matplotlib和Seaborn进行数据可视化的各种问题。 此外，课程还介绍了时间序列和金融领域的基础知识，并提供了准备数据集以用于机器学习项目的示例。 **Python基础电子书**: 课程还附带一本Python基础电子书，涵盖以下主题： * Python入门 * 变量声明和基本类型 * 字符串 * 运算符 * 条件结构 * 循环结构 * 数据结构
Esse é um curso completo para a formação de Cientista de Dados, com mais de 250 exercícios de A-Z, abordando desde os conceitos mais básicos até os mais avançados. Foca em metodologias ativas, onde o aluno é protagonista nesse processo, assim, trazemos diversos exercícios resolvidos, notebooks de resumo dos conteúdos e muito mais, com o foco na aprendizagem da programação baseada na prática e simulação de problemas reais (como limpeza de dados, tratamento de missings, separação de dados em treino e teste, agrupamento e junção de datasets, dentre outros).Neste sentido, o curso possui exercícios resolvidos sobre as principais bibliotecas do Python para Data Science: NumPy, Pandas, Matplotlib e Seaborn. Além do que, busca resgatar conceitos elementares da Álgebra Linear, por meio da biblioteca NumPy. Em linhas gerais, o curso apresenta exercícios que englobam as principais funções do NumPy para Data Science, como funções de agregação, definição de matrizes, operações matricias, dentre outras. Quanto ao Pandas, busca-se oferecer um panorama geral partindo da definição de Series e DataFrames, inspeção de datasets, seleção booleana, filtro de linhas de colunas, remoção de linhas e colunas, tratamento de dados ausentes, funções de agrupamento e junção, abertura e escrita de arquivos, funções de estatística descritiva, dentre outros tópicos. Por fim, apresentam-se diversos problemas relacionados a visualização de dados, com as bibliotecas Matplotlib e Seaborn, a partir de datasets clássicos. Noções de Séries temporais e Finanças também são introduzidas. Há ainda exemplos de como preparar um dataset para um projeto de Machine Learning.O curso possui ainda um E-book de fundamentos de Python, abordando os seguintes tópicos:Primeiros passos com Python!Declaração de variáveis e tipos primitivosStringsOperadoresEstruturas condicionaisEstruturas de repetiçãoEstruturas de dados
