Opleiding: Cursus Data Science met Python
De Cursus Data Science met Python is gericht op de toepassing van Python en specifieke Python libraries in Data Science-projecten. Python is een flexibele open-source programmeertaal met veel tools en libraries voor datascience en big data toepassingen. Dit maakt dat Python zich heeft ontwikkeld tot één van de belangrijkste programmeertalen in de Data Science community.
Algemene omschrijving
Python en Big Data
Python is een flexibele open-source programmeertaal met een modulaire opzet en een uitgebreide standaard bibliotheek. Er zijn in de loop van de tijd veel tools en libraries ontwikkeld voor datascience en big data toepassingen. Dit maakt dat Python zich heeft ontwikkeld tot één van de belangrijkste programmeertalen in de datascience community.
Tijdens de Cursus Data Science met Python
De Cursus Data Science met Python is gericht op de toepassing van Python en specifieke Python libraries in Data Science-projecten. We starten met een introductie in de programmeertaal Python, waarbij we ons vooral richten op calculaties en variabelen. Vervolgens gaan we aan de slag met data structuren zoals lists, NumPy, SciPy en Pandas Dataframes. Tenslotte gebruiken we libraries als Matplotlib om data te visualiseren.
Programma
Tijdens de Cursus Data Science met Python komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.
- Programmeren in Python
-
- Ontwikkelomgeving
- Python scripting
- Data types
- Calculaties in Python
- IPython Shell
- Lists en tuples
- Regular Expressions
- Functions, Packages en modules
-
- Functions
- Methods
- Packages
- Modules
- NumPy
-
- NumPy arrays
- NumPy statistics
- Matrix calculaties
- Matplotlib
-
- Plot types
- Plots maken en wijzigen
- Histogrammen
- Pandas
-
- Data manipulatie met DataFrame
- Data transformatie
- Data wrangling
- Data aggregatie en groepering
- Scikit Learn (sklearn) Predictive Modeling/Machine Learning
-
- Regressie analyse
- Classificatie
- Decision trees
- Ensemble methods (Bagging, boosting)
