|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/pythondatasci/
课程评论：没有评论
课程名称：Python for Data Science 入门：轻松快速学习 **课程概述：** 本课程专为所有人设计，无需任何编程基础，让您轻松快速地学习 Python 在数据科学领域的应用。课程内容涵盖了 Python 编程的基础知识以及在数据科学中常用的库和技术，并通过实际案例帮助您掌握数据处理、分析和可视化的核心技能。 **课程亮点：** 本课程内容结构清晰，分为五个主要部分，循序渐进地引导学习者掌握 Python 数据科学的核心技能。 **第一部分：Python 编程入门** * 了解 Python 编程基础，掌握其作为数学计算工具的用法。 * 学习变量的赋值、计算与存储，以及不同数据类型的处理。 * 掌握类型转换概念，并通过练习题巩固所学。 **第二部分：Python 列表（Lists）的应用** * 学习如何创建和使用 Python 列表来存储各种类型的数据，包括不同数据结构的列表。 * 掌握列表的子集选取、元素替换、扩展和删除等操作。 * 深入理解列表的内部工作原理。 **第三部分：Python 函数（Functions）的应用** * 学习如何调用和创建 Python 函数，包括多参数函数和字符串、列表方法。 * 掌握包的导入和用户自定义函数的创建与应用。 **第四部分：Python NumPy 的应用** * 学习使用 NumPy 数组进行数值计算，包括处理身高数据、单位转换和 BMI 计算。 * 掌握 NumPy 数组的子集选取、条件判断和算术运算。 * 学习创建和操作二维 NumPy 数组，并结合列表深入理解数据结构。 **第五部分：Python 数据可视化（Data Visualization）的应用** * 学习使用 Python 创建多种图表，包括单/多线图、单/多条形图（垂直/水平）、堆叠条形图、堆叠面积图、散点图和饼图。 * 掌握数据导入（本地文件和 URL），以及图表的标签添加、对齐和多种可视化应用。 * 通过直观的图表展示数据，提升数据分析能力。 本课程将帮助您打下坚实的 Python 数据科学基础，为您的数据分析之旅铺平道路。
หลักสูตร เรียน Python for Data Science ฉบับตั้งไข่ เรียนง่ายเป็นเร็วสามารถเรียนได้ทุกคน ไม่จำเป็นต้องมีความรู้ด้านการเขียนโปรแกรมมาก่อนเนื้อหาการเรียนเขียนโปรแกรมภาษา Python สำหรับงาน Data Scienceแบ่งเป็น 5 ส่วนส่วนที่ 1: เริ่มต้นเขียนโปรแกรมภาษา Python สำหรับงาน Data Science1. เริ่มต้นเขียนโปรแกรม Python สำหรับงาน Data Science2. ใช้ Python เป็นเครื่องคำนวณทางคณิตศาสตร์3. ใช้ Python กำหนดค่าตัวแปร Variable Assignment4. ใช้ Python ทำการคำนวณค่าตัวแปร Variables5. ใช้ Python เก็บค่าและแสดงข้อมูลของตัวแปรชนิดต่าง ๆ6. ใช้ Python สร้าง Operations เป็นตัวดำเนินการ7. ใช้ Python แปลงชนิดข้อมูล Type Conversion8. ทดสอบความเข้าใจข้อใดแสดงผลได้ถูกต้องส่วนที่ 2: เรียนเขียนโปรแกรมใช้งาน Python Lists สำหรับงาน Data Science9. ใช้ Python สร้าง List เก็บข้อมูลแบบรายการ10. ใช้ Python สร้าง List เก็บข้อมูลแบบรายการต่างชนิดกัน11. ใช้ Python สร้าง List แบบต่าง ๆ12. ใช้ Python สร้าง List of Lists13. ใช้ Python สร้าง Subset & Conquer14. ใช้ Python สร้าง Subset & Calculate15. ใช้ Python สร้าง Slicing &. Dicing16. ใช้ Python สร้าง Replace List Elements17. ใช้ Python ทำการ Extend a List18. ใช้ Python ทำการ Delete List Elements19. ใช้ Python ทำการ Inner Workings of Listsส่วนที่ 3: เรียนเขียนโปรแกรมใช้งาน Python Functions สำหรับงาน Data Science20. ใช้ Python เรียกใช้ฟังก์ชันพื้นฐาน21. ใช้ Python สร้าง Multiple Arguments22. ใช้ Python สร้าง String Methods23. ใช้ Python สร้าง List Methods 124. ใช้ Python สร้าง List Methods 225. ใช้ Python ทำการ Import Package26. ใช้ Python User Defined Functions 127. ใช้ Python User Defined Functions 228. ใช้ Python User Defined Functions 3ส่วนที่ 4: เรียนเขียนโปรแกรมใช้งาน Python NumPy สำหรับงาน Data Science29. ใช้ Python ทำการเก็บค่าความสูง30. ใช้ Python แปลงหน่วยความสูง31. ใช้ Python คำนวณค่า BMI32. ใช้ Python เรียกใช้ Subsetting NumPy Array33. ใช้ Python สร้างเงื่อนไขตรวจสอบ34. ใช้ Python สร้าง Arithmetic Operators35. ใช้ Python สร้าง 2D NumPy Array36. Python Lists เขียนโปรแกรมสร้างโครงสร้างข้อมูลแบบลิสต์ภาษาไพธอน 137. Python Lists เขียนโปรแกรมสร้างโครงสร้างข้อมูลแบบลิสต์ภาษาไพธอน 238. Python Lists เขียนโปรแกรมสร้างโครงสร้างข้อมูลแบบลิสต์ภาษาไพธอน 339. Python Lists เขียนโปรแกรมสร้างโครงสร้างข้อมูลแบบลิสต์ภาษาไพธอน 440. Python Lists เขียนโปรแกรมสร้างโครงสร้างข้อมูลแบบลิสต์ภาษาไพธอน 5ส่วนที่ 5: เรียนเขียนโปรแกรมใช้งาน Python Data Visualization สำหรับงาน Data Science41. ใช้ Python สร้าง Single Line Chart แบบ Number42. ใช้ Python สร้าง Single Line Chart แบบ String43. ใช้ Python สร้าง Multiple Line Chart44. ใช้ Python นำเข้า Local File45. ใช้ Python สร้าง Single Bar Chart แนวตั้ง46. ใช้ Python สร้าง Single Bar Chart แนวนอน47. ใช้ Python สร้าง Multiple Bar Chart แนวตั้ง48. ใช้ Python สร้าง Multiple Bar Chart แนวนอน49. ใช้ Python สร้าง Multiple Stacked Bar Chart แนวตั้ง50. ใช้ Python สร้าง Multiple Stacked Bar Chart แนวนอน51. ใช้ Python เพิ่ม Label ด้าน Top52. ใช้ Python เพิ่ม Label ปรับ Alignment53. ใช้ Python เพิ่ม Label ด้าน Center54. ใช้ Python สร้าง Stacked Area Chart55. ใช้ Python สร้าง Scatter Plot56. ใช้ Python สร้าง Pie Chart57. ใช้ Python สร้าง Histogram ผ่าน URL58. ใช้ Python สร้าง Histogram ผ่าน Local File59. ใช้ Python สร้าง Data Visualization Applications
