Cursusaanbod
Python Fundamentals for Data Tasks
- Python installeren en de ontwikkelomgeving instellen
- Taalbasisprincipes: variabelen, datatypen, beheerdersstructuren
- Eenvoudige Python-scripts schrijven en uitvoeren
Bestandsbeheer: CSV en Excel
- CSV-bestanden lezen en schrijven met behulp van het csv-module en Pandas
- Werk met Excel-bestanden met behulp van openpyxl/xlrd en Pandas
- Praktische oefeningen: automatisering van bestandsoverzetting
Inleiding tot Pandas
- DataFrame basisprincipes: aanmaken, indexering, selectie en filteren
- Aggregatie- en groeperingsbewerkingen
- Gewone schoonmaakbewerkingen: ontbrekende waarden, dubbele waarden en typeconversies
Inleiding tot Polars
- Polars concepten en prestatiekenmerken in vergelijking met Pandas
- Basis DataFrame-bewerkingen in Polars
- Voorbeeld van toepassing: wanneer Polars kiezen boven Pandas
Geavanceerde gegevenstransformatie (Intermediair)
- Complexe joins, vensterfuncties en pivotbewerkingen in Pandas
- Efficiënte gegevensverwerkingspatronen met Polars
- Operaties koppelen en geheugengebruik optimaliseren
Procesautomatisering met Python
- Scripts schrijven voor het automatiseren van herhalende gegevensopdrachten en ETL-stappen
- Scripts plannen met behulp van OS-schedulers of taakschedulers
- Logboekregistratie, foutafhandeling en meldingen
Scripts pakketten en beste praktijken
- Executables maken met PyInstaller of vergelijkbare hulpmiddelen
- Projectstructuur, virtuele omgevingen en afhankelijkheidsbeheer
- Basisprincipes van versiebeheer en documentatie van workflows
Hands-on Mini-Project
- Eind-op-eind taak: rauw bestanden lezen, gegevens opschonen en transformeren, uitvoeren
- De workflow automatiseren en pakketten als uitvoerbare script of executable
- Overzicht en verbeteringen op basis van peer feedback
Samenvatting en volgende stappen
Vereisten
- Basisvaardigheden in programmeren of de bereidheid om te leren
- Verdieping in het gebruik van command-line of terminal voor pakketinstallaties
- Ervaring met het werken met spreadsheets (CSV/Excel)
Doelgroep
- Data-analyse en operationele medewerkers die dataopdrachten automatiseren
- Analytische ingenieurs die op zoek zijn naar lichtgewicht ETL-scripting
- Professionals geïnteresseerd in praktische Python-gebaseerde data workflows
Getuigenissen (2)
De aanpassing van de exos aan onze context en het meenemen van onze vraag
Amel Guetat - EURO-INFORMATION DEVELOPPEMENTS
Cursus - Fraud Detection with Python and TensorFlow
Automatisch vertaald
Praktijkopdrachten gerelateerd aan de inhoud helpen echt om meer te begrijpen over elk onderwerp. Bovendien is de manier waarop de les begint met een college en verdergaat met praktijkopdrachten goed en helpt het om de eerder gepresenteerde lesstof beter te relateren.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Cursus - Introduction to Data Science and AI using Python
Automatisch vertaald
