Υπεύθυνη Σεμιναρίου: Τσιάκαλου Αικατερίνη, Μηχ/κος Επιχειρηματικής Ευφυΐας

 

 

Λίγα λόγια για το μάθημα και την αξία που θα δώσει στους εκπαιδευόμενους

Η Python είναι μια ισχυρή γλώσσα προγραμματισμού που χρησιμοποιείται σε μεγάλη έκταση σε νέα αλλά και υπάρχοντα μεγάλα προγράμματα διαφόρων εφαρμογών. Οι αυξανόμενες απαιτήσεις για την Python έχουν δημιουργήσει μία τεράστια κοινότητα γύρω από αυτήν, η οποία παρέχει αρκετά δυνατά εργαλεία και λύσεις που βοηθούνε σε καθημερινά επαγγελματικά προβλήματα όπως αυτά της Ανάλυσης Δεδομένων.

Το συγκεκριμένο σεμινάριο, θα σας βοηθήσει να δείτε πρακτικές εφαρμογές της Python επάνω στην Ανάλυση Δεδομένων μέσω της πρακτικής χρήσης μεταβλητών, δομών δεδομένων σε συνδυασμό με βιβλιοθήκες και εργαλεία που θα σας βοηθήσουν στην διαχείριση των δεδομένων σας καθώς και την τελική αναπαράστασή τους.

 

Αντικείμενο – Παραδοτέο Υλικό

Το παραδοτέο υλικό θα αποτελείται από σημειώσεις, στις οποίες θα υπάρχουν αναλυτικά και τα case studies για πρακτική εφαρμογή. Τέλος θα υπάρχουν tests και πρακτικά παραδείγματα χρήσης μεταποίησης και προβολής των δεδομένων (plots). Μερικές από τις βιβλιοθήκες και frameworks που θα χρησιμοποιηθούν είναι τα ακόλουθα:

NumPy, Pandas, SciPy, Matplotlib, IPython κλπ

 

Χρονοδιάγραμμα Υλοποίησης

Εβδομάδα  1:  Εισαγωγή

Μία σύντομη περιγραφή για την ύλη του μαθήματος μαζί με μία αναφορά στις κύριες βιβλιοθήκες που θα χρησιμοποιηθούν καθώς και προετοιμασία του περιβάλλοντος της Python για υλοποίηση προγραμμάτων.

Εβδομάδα  2:  Μία πρώτη επαφή με διαχείριση λιστών και δεδομένων

Περιγραφή κάποιων παραδειγμάτων με δεδομένα και διαχείριση αυτών στα οποία μεταγενέστερα θα βοηθήσει στην καλύτερη κατανόηση για την προηγμένη χρήση των βιβλιοθηκών και των δεδομένων τους.

Εβδομάδα  3: IPython

Αναφορά και χρήση του IPython με παραδείγματα και εικόνες για την καλύτερη κατανόησή του και χρήση του ως development εργαλείο.

Εβδομάδα  4: NumPy – Part I

Περιγραφή της βιβλιοθήκης και χρήση της μέσα από παραδείγματα με Arrays

Εβδομάδα  5: NumPy – Part II

Επεξεργασία δεδομένων μέσω Arrays και εισαγωγή και εξαγωγή τους αυτών μέσω αρχείων

Εβδομάδα  6: Pandas – Part I

Εισαγωγή στη λειτουργικότητα και στις δομές δεδομένων της βιβλιοθήκης.

Εβδομάδα  7: Pandas – Part II

Κατανόηση της χρήσης και της λειτουργικότητας της βιβλιοθήκης μέσα από παραδείγματα.

Εβδομάδα  8: Ασκήσεις και Βοηθητικές Εργασίες

Θα παραδοθούν κάποιες ασκήσεις που θα πρέπει να πραγματοποιηθούν και θα βοηθήσουν στην καλύτερα κατανόηση της ύλης

Εβδομάδα  9: Αποθήκευση Δεδομένων

Εισαγωγή στον τρόπο αποθήκευσης δεδομένων και στους συμβατούς τύπους αρχείων

Εβδομάδα 10: Data Transformation

Καθαρισμός, μεταποίηση και χρήση δεδομένων στις δομές της Python

Εβδομάδα 11: Παρουσίαση και Γραφική Απεικόνιση Δεδομένων

Εισαγωγή στους τρόπους γραφικής απεικόνισης των δεδομένων με τις αντίστοιχες βιβλιοθήκες της Python

Εβδομάδα 12: Συγκέντρωση και Ομαδοποίηση Δεδομένων

Μέθοδοι ομαδοποίησης και υπολογισμού συγκεντρωτικών δεδομένων (data aggregation and grouping) με παραδείγματα

Εβδομάδα 13: Time Series

Χρήση Date Time τύπων καθώς και αναφορά στις ζώνες ώρας για διαχείριση και μεταποίηση δεδομένων

Εβδομάδα 14: Προχωρημένα παραδείγματα NumPy

Περισσότερα παραδείγματα και χρήση δυνατοτήτων της NumPy

Σκοπιμότητα Διεξαγωγής Σεμιναρίων

Ο εκπαιδευόμενος με το πέρας του μαθήματος θα είναι σε θέση να μπορεί να χρησιμοποιήσει μόνος του τις αναφερόμενες βιβλιοθήκες και εργαλεία που διδάχθηκε. Με την πρακτική χρήση αυτών θα διευρύνει τις γνώσεις και τα skills του για να μπορέσει να τα χρησιμοποιήσει για επαγγελματικούς σκοπούς.

Προαπαιτούμενα

Το μάθημα προορίζεται για άτομα με γνώσεις Python προγραμματισμού τα οποία έχουν ήδη παρακολουθήσει το εισαγωγικό μάθημα στην Python «Εισαγωγής της Python.

Μετά την επιτυχή ολοκλήρωση του σεμιναρίου χορηγείται Βεβαίωση Επιτυχούς Παρακολούθησης από το Πανεπιστήμιο Πειραιώς.