Już wkrótce w ofercie szkoleniowej Centrum Badawczo-Rozwojowego Biostat pojawi się szkolenie „Data Science w Python - podstawy. Analiza danych”. To ciekawa propozycja dla wszystkich, którzy na co dzień zajmują się analizą danych i chcieliby używać języka Python. Autorem szkolenia jest dr Marian Płaszczyca, który stosuje Pythona w analizie danych biomedycznych od 15 lat.

Kurs „Data Science w Python - podstawy. Analiza danych” już wkrótce znajdzie się na platformie szkoleniowej Biostatu. Jest to szkolenie na poziomie podstawowym, którego adresatami są:

analitycy danych oraz wszyscy, którzy w codziennej pracy chcieliby korzystać z języka programowania Python
naukowcy (w tym doktoranci), którzy chcą poszerzyć swoją wiedzę i umiejętności w zakresie analizy danych.

Celem szkolenia jest wskazanie tych obszarów data science, gdzie użycie języka Python może przynieść spore korzyści i być alternatywą dla innych narzędzi. W trakcie kursu pokażemy również jak zainstalować i skonfigurować środowisko Jupiter Lab. Wiele miejsca poświęcimy porządkowaniu, transformacji i wizualizacji danych – wylicza dr Marian Płaszczyca – autor szkolenia, dyrektor działu statystyki w Centrum Badawczo-Rozwojowym Biostat.

Szczegółowy plan kursu „Data Science w Python - podstawy. Analiza danych” przedstawia się następująco:

1. Dlaczego Python?

Czym jest Python?
Python czy Excel – dlaczego w ogóle używać języka programowania do pracy z danymi?
Python czy R?
Python w erze ChatGPT
Data science i uczenie maszynowe

2. Instalacja i konfiguracja środowiska Jupyter Lab

Anaconda
Jupyter lab

3. Podstawy programowania

Typy danych – liczby całkowite, liczby rzeczywiste ciągi tekstowe,
Struktury danych (Listy, słowniki)
Pętle for
Warunki If else

4. Podstawy pracy z danymi – biblioteka pandas

Import pakietów
wczytywanie danych
podstawowe operacje
zapisywanie wyników

5. Schludne dane i strategia Podziel, zastosuj i połącz (Split-apply-combine)

Dane zabałaganione a dane schludne – forma długa i forma szeroka
Wyciąganie danych z nazw kolumn
Reorganizacja danych
Grupowanie danych

6. Transformacja danych

Operacje na jednej kolumnie
- Obróbka danych tekstowych (metody str)
- Wyrażenia regularne
- Wyodrębnianie danych z kolumny i podział na wiele kolumn
- Operacje matematyczne
- Dane kategoryczne
- Data i czas
- Uzupełnianie braków danych
Operacje na wielu kolumnach (apply, np.where, np.select)
Łączenie zbiorów danych (metody merge)

7. Wizualizacja danych – biblioteki matplotlib i seaborn

Podstawy tworzenia i dostosowywania wykresów
Fasetowanie danych
Organizacja wykresów w figury

8. Podstawy statystyki – scipy.stats, statsmodels

Stosowanie testów statystycznych
Wykonywanie analiz z wykorzystaniem regresji liniowej

Dodajmy, że ofercie Biostatu znajdują się też inne szkolenia z zakresu statystyki:

Podstawy statystyki (dla początkujących)
Testy statystyczne (dla początkujących)
Statystyka w badaniach klinicznych – część 1 (dla początkujących)
Statystyka w badaniach klinicznych część – 2 (poziom średniozaawansowany)
Statystyka w badaniach klinicznych – część 3 (poziom zaawansowany)
Statystyczna interpretacja wyników badań medycznych (dla początkujących)
Wprowadzenie do metaanalizy (dla początkujących)

A już wkrótce dostępne będą kolejne szkolenia online, m.in.:

Podstawy statystyki w Excelu
Testy statystyczne w Excelu
Statystyka dla nie-statystyków
Wyliczanie wielkości próby.