Comments Box SVG iconsUsed for the like, share, comment, and reaction icons

צרו קשר לפרטים נוספים

    אני רוצה לקבל מידע בנושאי אירועים וקורסים מרם קדם

    או באמצעות מייל:
    ram@ramkedem.com

    Python Data Analysis for Non-Programmers

    רוצים ללמוד איך להפיק יותר מהנתונים שלכם ? להחשף ליכולות העוצמתיות של Python בתחום ה Data Analysis ? לבנות תיק עבודות המבוסס על אנליזות באמצעות Python ? הקורס הבא בשבילכם.

     

    על הקורס

    Python נחשבת לאחת השפות החזקות והיעילות בעולם. השפה מתאפיינת בפשטות, בידידותיות למשתמש, ומהווה דרך נוחה לכתיבת קוד.

    Pandas היא ספריה (Library) בתוך Python המאפשרת ניתוח נתונים יעיל ועוצמתי. תקראו לה Excel על סטרואידים, תקראו לה SQL מתקדם, כל ניתוח אנליטי שרק חשבתם עליו – אפשרי ונגיש באמצעותה.

    קורס זה, שהינו ייחודי מסוגו בארץ, מתמקד בספריית Pandas ומלמד כיצד ניתן להשתמש בה גם ללא רקע קודם בתכנות.

     

    מה יצא לכם מהקורס?

    1. יכולת לנתח נתונים באמצעות Python ברמה גבוהה, והבנת כל היסודות שיאפשרו לכם המשך העמקה ולמידה עצמאית.
    2. למידה אינטנסיבית דרך הידיים – במהלך הקורס אנחנו מנתחים יחד מעל 15 דאטה-סטים שונים, ומבצעים מעל 200 תרגילים שונים.
    3. חומרי הדרכה מסודרים ומפורטים שישארו אתכם גם אחרי שהקורס יסתיים.
    4. יכולת לבניית תיק עבודות המבוסס על אנליזות באמצעות Python.
    5. תמיכה שוטפת בכל שאלה, במהלך הקורס ולאחריו.
    6. אם אתם חושבים להכנס אל עולם ה Machine Learning ב Python – להבין איך עושים Data Analysis ב Python זו נקודת התחלה מצויינת.

    רוצים לראות מה בוגרים שלמדו איתי עשו בסיום הקורס ? הנה מס' דוגמאות

     

    איך ומתי לומדים?

    • הקורס ייפתח ב 14 לדצמבר, ימי שלישי בשעות 18:00-21:00.
    • משך הקורס – כחודשיים וחצי, 10 מפגשי אונליין (זום)
    • בסיום כל שיעור, את ההקלטה של המפגש – אליה תהיה לכם גישה במהלך הקורס, אני מפרסם בקבוצת פייסבוק ייעודית.
    • במשך השבוע אתם מקבלים משימות, אותן יש להשלים עד השיעור הבא.
    • בכל בעיה בה נתקלים במהלך הדרך ניתן להתייעץ איתי, עם המתרגל, או עם חברי הקבוצה.
    • במהלך הקורס ניתן לבנות פרוייקט מסכם, אותו אפשר להציג כחלק מתיק העבודות שלכם.

     

    כמה זה עולה?

    • לנרשמים במהלך דצמבר – 3050 ש"ח
    • המחירים כוללים מע"מ

     

    שביעות הרצון שלכם מובטחת

    הקורס נשמע לכם? נפלא. מוזמנים להרשם (תחת לשונית הרשמה), או לדבר איתי במידה ויש שאלות.

    לאחר שנרשמתם – נסו את הקורס שבועיים. ניסיתם ולא מסתדר? כספכם יוחזר במלואו, בלי שאלות, בלי אותיות קטנות, בלי כוכביות.

    כדי להבטיח חווית לימוד איכותית, הקורס מוגבל במס' המקומות, כך שמומלץ להקדים ולהרשם.

    Module 1 – Basic Select Operations

    • Selecting columns dataset
    • Calculations
    • Concatenations
    • Adding new columns
    • Renaming existing columns
    • Retreiving distinct list of values
    • Creating a simple dataframe from a python list
    • Getting info on your dataframe

    Module 2 – Filtering & Sorting

    • Simple operators
    • Complex operators
    • Isin() method
    • Between() method
    • Text matching
    • Filtering empty values
    • Sort a dataframe
    • Using sort_values()
    • Understanding inplace
    • Understanding na_position
    • Sort_index()
    • Top-n rows
    • Filter by index
    • The query() method

    Module 3 – Applying Scalar Functions

    • String functions
    • Numeric functions
    • Date functions
    • Conversion functions
    • Nan functions
    • Using the apply function

    Module 4 – Aggregative Functions

    • Basic aggregations
    • The groupby() method
    • Filter a grouping set
    • Groupby() multiple columns

    Module 5 – SET Operations

    Module 5 – SET Operations

    • Union all
    • Union
    • Intersect
    • Minus / except

    Module 6 – JOIN Opearions

    • Inner join
    • Outer join left
    • Outer join right
    • Outer join full

    Module 7 – Schema Modifications

    • Adding / dropping a column
    • Renaming a column
    • Deleting rows
    • Updating rows
    • Create random samples

    Module 8 – Pandas Indexes

    • The need for indexes
    • Basic methods
    • Retrieve rows by index label
    • Retreive rows by index position
    • Handling missing values
    • Setting multi-indexes
    • Extracting rows from multi-indexes
    • Using traspose()

    Module 9 – Pivot operations

    • Using pivot_table()
    • Using melt()

    Module 10 – Input / Output Operations

    • Using remote datasets
    • Working with CSV
    • Working with XML
    • Working with JSON
    • Reading multiple files

    Module 11 – Working with Analytic Functions

    • Using RANK
    • LAG and LEAD
    • NTILE
    • CUMSUM

    Module 12 - Data Visualizations

    MatplotLib Basics

    • Working with Matplotlib
    • Using with Seaborn
    • Working with Plotly Express

    לפני שנרשמים, שלוש נקודות שחשוב לי לחדד –

    1. ביטולים – שני המפגשים הראשונים לא מחייבים. לא מסתדר לכם, מכל סיבה שהיא – מלוא כספכם יוחזר בלי שאלות ובלי תנאים. מהשיעור השלישי ועד סיום הקורס הזיכוי יעשה באופן יחסי, לדוגמא: אם תחליטו לבטל לאחר 4 שיעורים, תזוכו על שישה.
    2. תעודת סיום – על-מנת לקבל תעודת סיום, ישנה חובת הגשה של כל המטלות, וחובת נוכחות בלפחות 80% מהמפגשים.
    3. מועד תחילת הקורס מותנה בכמות מינימום של נרשמים, כשבוע לפני היציאה לדרך אשלח לכל הנרשמים אישור סופי.

     

    עם איזה רקע צריך להגיע אל הקורס

    רקע ב-SQL, חשיבה בריאה, וזהו

    ניתוח נתונים ב Python זה לא תכנות ב Python. אתם ממש לא חייבים להיות מומחי פיתוח קוד פיתון כדי לדעת לנתח נתונים באמצעותו. למען האמת – כדי להתחיל: לא צריך לדעת שורת קוד אחת. בקורס שאני מעביר, כמעט ואין נגיעה בתכנות "פרופר", ועדיין – בסיום הקורס אתם תגיעו די רחוק

    איך זה יכול להיות ?
    אני מלמד את עולם הדאטה כבר 14 שנה, וספיציפית – ניתוח נתונים ב Python כבר למעלה מ-3 שנים למאות תלמידים. במרוצת השנים פיתחתי גישה הוראה ייחודית שמתמקדת בהקבלת\תרגום החשיבה ה-SQLית ל Python. בצורה הזו, הדגש הוא על Data Analysis, לא על תכנות. אם תשאלו אותי – ככה מלכתחילה השפה הזו היתה צריכה להיות מועברת.

     

    אז לא צריך לדעת Python בכלל ?

    כן ולא

    אתם לא צריכים להגיע עם רקע קודם בתכנות, כמו שכתבתי – אתם לא תעברו במהלך הקורס שיעורי תכנות.במהלך הקורס – אתם כן תלמד קונספטים כלליים ככל שיהיה צורך.

    לאחר הקורס –  אם תרצו להתעמק, להשתכלל ולהבין יותר, כן, אתם בהחלט תצטרכו ללמוד יותר Python.

     

    למה ניתוח נתונים ב Python ולא SQL או Excel ?

    כבודן של SQL ו-Excel במקומן מונח, ניתוח נתונים ב Python לא מחליף – אלא יותר נותן קונטרה, ומתאים לסיטואציות שלא תמיד מקבלות מענה במקומות אחרים. מה למשל ?

    1. עבודה עם כמעט כל סוג של דאטה-סט
    2. אוטומציה פשוטה ויעילה
    3. עבודה עם כמויות גדולות של נתונים
    4. האפשרות הניתנת לאחרים לייצר שוב, ולעבור בקלות על אנליזות שיצרתם
    5. כלים ל"ניקוי נתונים" בקלות ומהירות
    6. ספריות Statistics ו- Machine Learning עצומות
    7. יכולות מתקדמות ל Data Visualizations
    8. ועוד, ועוד 🙂

     

    מה לומדים בתכלס?

    מפורט בלשונית "נושאי הקורס"

     

    מקבלים תעודה ?

    מקבלים. ע"מ לקבל ישנה חובת נוכחות ב 80% מהמפגשים וחובת הגשה של כל המטלות.