This course was created with the
course builder. Create your online course today.
Start now
Create your course
with
Automatyczne odtwarzanie
Autouzupełnienie
Poprzedni wykład
Kontynuuj
Data Science Bootcamp w języku Python - od A do Z (12.5h)
Narzędzia i konfiguracja środowiska
Wymagania
Google Colab + Dysk Google + GitHub (9:34)
Utworzenie repozytorium na platformie GitHub (1:37)
Praca z Google Colab oraz platformą GitHub (3:54)
Wprowadzenie: NumPy
Array: Tablice NumPy ndarray (17:22)
Array: Podstawowe typy danych w bibliotece NumPy (5:03)
Array: Tworzenie tablic NumPy ndarray (8:58)
Array: Podstawowe operacje na tablicach (8:20)
Array: Generowanie liczb pseudolosowych - np.random (7:03)
Array: Podstawowe funkcje w bibliotece NumPy (6:59)
Array: Indeksowanie i wycinanie tablic (6:21)
Array: Iteracja po tablicach, zmiana rozmiaru oraz maski logiczne (9:00)
Algebra liniowa: Norma wektora i odległość punktów (7:26)
Algebra liniowa: Mnożenie macierzy (6:45)
Algebra liniowa: Wyznacznik, macierz jednostkowa, odwrotna i transponowana (9:18)
Algebra liniowa: Rozwiązywanie układów równań (7:09)
Funkcje statystyczne w bibliotece NumPy (4:31)
Analiza Danych: Pandas
Series: tworzenie obiektów cz. 1 (11:06)
Series: tworzenie obiektów cz. 2 (5:22)
Series: praca z obiektem (9:14)
Series: metoda apply() (3:09)
DataFrame: tworzenie obiektów (8:53)
DataFrame: selekcja kolumn (9:25)
Case Study: dane giełdowe cz.1 (10:30)
Case Study: dane giełdowe cz.2 (7:57)
DataFrame: obliczanie nowych kolumn (13:30)
DataFrame: filtrowanie danych (11:36)
Zapis/odczyt danych - CSV, XLSX (8:24)
London Bike Dataset (3:09)
DataFrame: łączenie danych (9:35)
DataFrame: łączenie danych - append (2:36)
Case Study II - Google App Store Data cz. 1 (12:12)
Case Study II - Google App Store Data cz. 2 (13:26)
Case Study II - Google App Store Data cz. 3 (5:09)
DataFrame: porównanie do języka SQL cz. 1 (7:15)
DataFrame: porównanie do języka SQL cz. 2 (9:13)
DataFrame: porównanie do języka SQL cz. 3 (11:12)
Wizualizacje Danych: Matplotlib, Seaborn, Plotly Express
Matplotlib: wprowadzenie (16:15)
Matplotlib: wykresy słupkowe i punktowe (4:25)
Matplotlib: wyświetlanie obrazów, subploty (9:46)
Matplotlib: style (3:22)
Seaborn: wprowadzenie cz. 1 (14:25)
Seaborn; wprowadzenie cz. 2 (6:39)
Plotly Express: wprowadzenie cz. 1 (15:10)
Plotly Express: wprowadzenie cz. 2 (7:58)
Plotly Express: tworzenie animacji (6:54)
Plotly Express: notowania giełdowe (1:58)
Plotly Express: wykresy słupkowe (2:39)
Plotly Express: mapy (2:40)
Plotly: wprowadzenie (17:06)
Plotly: diagram Sankey'a (9:05)
Plotly: wykres świecowy (3:18)
Interaktywne Dashboardy: Dash + Plotly
Framework Dash (3:20)
PyCharm (1:05)
PyCharm - klonowanie repozytorium + konfiguracja środowiska (5:26)
Dash: Pierwsza aplikacja webowa (9:47)
Dash: Notowania giełdowe - aplikacja (4:42)
Dash: Interaktywny dashboard (4:45)
Podstawy Prawdopodobieństwa i Statystyki: SciPy
Prawdopodobieństwo i statystyka cz. 1 (27:54)
Prawdopodobieństwo i statystyka cz. 2 (10:32)
Prawdopodobieństwo i statystyka cz. 3 (6:20)
Uczenie Maszynowe: scikit-learn
Biblioteka scikit-learn (3:51)
Pierwszy model (17:41)
Klasyfikacja binarna: dokładność modelu + interpretacja graficzna cz. 1 (11:45)
Klasyfikacja binarna: dokładność modelu + interpretacja graficzna cz. 2 (2:59)
Klasyfikacja binarna: macierz konfuzji (5:30)
Klasyfikacja binarna: metryki na podstawie macierzy konfuzji (7:52)
Klasyfikacja binarna: krzywa ROC (5:38)
Klasyfikacja wieloklasowa: metody oceny modelu (7:14)
Regresja: metody oceny modelu (13:22)
Regresja: model regresji liniowej cz. 1 (8:19)
Regresja: model regresji liniowej cz. 2 (5:52)
Regresja wielomianowa (8:52)
Regresja logistyczna (11:33)
Klasyfikacja: algorytm k-najbliższych sąsiadów (17:43)
Klasyfikacja: algorytm drzew decyzyjnych (19:25)
scikit-learn: cheat-sheet (3:36)
Klasyfikacja: Support Vector Machine (12:08)
Uczenie Głębokie: Tensorflow + Keras
Pierwsza sieć neuronowa - wprowadzenie cz. 1 (6:52)
Pierwsza sieć neuronowa - wprowadzenie cz. 2 (4:29)
Pierwsza sieć neuronowa - rozpoznawanie cyfr (17:29)
Keras: wprowadzenie cz. 1 (26:26)
Keras: wprowadzenie cz. 2 (7:43)
Klasyfikacja wieloklasowa - Fashion MNIST (13:40)
Tensorflow Hub - Transfer Learning (6:58)
Computer Vision: OpenCV
OpenCV: wprowadzenie (16:23)
OpenCV: detekcja prostokątów (7:57)
BONUS
Grupa na Facebooku (0:51)
Rekomendowane ścieżki uczenia
Bonus
Prawdopodobieństwo i statystyka cz. 3
Treść wykładu zablokowana
Jeśli jesteś już zarejestrowany,
musisz się zalogować
.
Zapisz się na kurs, aby odblokować