|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/python-r-programming/
课程评论：没有评论
课程名称：初学者的数据分析使用Python和R [2025] 课程概述： 本课程提供终身访问课程资料，并且Udemy为所有课程提供30天退款保证。课程通过丰富的现实项目案例，旨在将您从初学者转变为专家，使您能够掌握Python与R语言的使用，提升数据素养。您将精通使用Python的Pandas和NumPy库，这两者是当前最受欢迎的数据分析、处理和挖掘工具。 课程内容包括： - 提供每节课的Python源代码，方便实时练习； - 学习如何进行探索性数据分析（EDA），并在各种数据上做出有意义的商业决策； - 专业开展Python和R编程，获取可行动的洞察； - 提取来自各种来源的数据，如网站、PDF文件、CSV文件和RDBMS数据库； - 使用数据科学和数据分析项目中的热门库，例如Pandas、NumPy和ggplot； - 制作可视化图表（如柱状图、箱型图），以增加数据洞察； - 学习数据分析与可视化的艺术，为数据科学项目服务； - 学会在R和Python控制台上使用SQL； - 将RDBMS数据库与R和Python整合。 实际案例研究包括： 1. 墨尔本房地产（Python） 2. 市场事实数据（Python） 3. 汽车数据集（Python） 4. 新冠疫情数据集（Python） 5. Uber供需差（R） 6. 银行营销数据集（R） 7. 投资案例研究（Excel） 8. 市场事实数据（SQL） 无课程大纲。
Lifetime access to course materials. Udemy offers a 30-day refund guarantee for all courses The course is packed with real life projects examples Get Transformed from Beginner to Expert. Become data literate using Python & R codes.Become expert in using Python Pandas ,NumPy libraries ( the most in-demand ) for data analysis , manipulation and mining.Become expert in R programming.Source Codes are provided for each session in Python so that you can practise along with the lectures..Start doing the extrapolatory data analysis ( EDA) on any kind of data and start making the meaningful business decisionsStart python and R programming professionally and bring up the actionable insights.Extract data from various sources like websites, pdf files, csv and RDBMS databasStart using the highest in-demand libraries used in Data Science / Data Analysis project: Pandas , NumPy ,ggplotStart making visualizations charts - bar chart , box plots which will give the meaningful insightsLearn the art of Data Analysis , Visualizations for Data Science ProjectsLearn to play with SQL on R and Python Console.Integrate RDBMS database with R and PythonReal world Case Studies Include the analysis from the following datasets1. Melbourne Real Estate ( Python ) 2. Market fact data.( Python ) 3. Car Datasets( Python ) 4. Covid 19 Datasets( Python ) 5. Uber Demand Supply Gap ( R ) 6. Bank Marketing datasets ( R ) 7. Investment Case Study (Excel) 8. Market fact data.( SQL)
