Python za analitičare

Postanite stručnjak za modernu vizuelizaciju podataka koristeći Python i moćnu biblioteku Seaborn. Naučićete kako da efikasno učitavate i obrađujete podatke putem Pandas biblioteke, kreirajući uredne Data Frame objekte spremne za analizu.

Kurs vas vodi kroz kreiranje raznovrsnih prikaza, uključujući relacione dijagrame za uočavanje trendova i kategoričke dijagrame poput box i bar plotova. Savladaćete napredne tehnike poput korišćenja poddijagrama i boja za istovremenu analizu više varijabli unutar jednog koda. Na kraju ćete znati da profesionalno stilizujete i imenujete svoje grafike kako biste rezultate analize predstavili jasno i ubedljivo.

7 sati

42 lekcija

Kupi sada

149.00€

99.00€

Uvodni video

Zašto je ovo kurs za tebe?

Želite da vizuelizujete kompleksne podatke i otkrijete skrivene trendove.
Podaci su vam neuredni i ne znate kako da primenite tidy data principe.
Postoje nejasnoće u tumačenju distribucija i identifikovanju outlier-a.
Kao analitičar, niste sigurni koju vrstu dijagrama da odaberete za različite varijable.
Primećujete da se greške u kodu ponavljaju zbog nepoznavanja tipova podataka.
Vaši izveštaji su nepregledni, bez jasnih naslova, labela i profesionalnih stilova.
Želite da automatizujete obradu Excel fajlova i kreirate upečatljive vizuelne priče .

Šta ćeš naučiti uz ovaj kurs:

Šta čini "tidy data" i kako da transformišete CSV fajlove u Data Frame objekte.
Kako da vizuelizujete relacije pomoću scutter i line plot dijagrama .
Kako da dodate treću varijablu koristeći boju (hue), veličinu i stil markera.
Na koji način da definišete poddijagrame (subplots) za dubinsku analizu podgrupa .

Koje statističke metode su ključne za tumačenje box plotova i medijana .
Koje faze analize prolazite koristeći kategoričke dijagrame poput count i bar plota .
Na koji način da automatizujete rad sa Excel radnim listovima pomoću openpyxl paketa .
Kako da koristite finalno stilizovanje i rotaciju labela za profesionalan izgled dijagrama .

Kompanije čiji su zaposleni pohađali naše treninge

Sadržaj kursa

U ovom delu nalazi se kratak pregled osnovnih alata za rad u Pythonu, uz objašnjenje zašto je dokumentovanje koda ključno za saradnju i profesionalni razvoj programera:

Značaj komentara i Markdown ćelija
Izbor radnog okruženja
Osnovne funkcije i dokumentacija
Osnovne funkcije i dokumentacija

U ovom delu nalazi se kratak pregled osnova Pythona i ciljeva učenja, uz objašnjenje zašto je dokumentovanje koda i pravilno korišćenje beležnica ključno u profesionalnom programerskom okruženju

U ovom delu nalazi se kratak pregled kursa i ciljeva učenja, uz objašnjenje zašto su Python i analiza podataka ključni u savremenom poslovnom okruženju:

Šta je Python i zašto se koristi u analizi podataka
Kako je kurs strukturisan i šta ćete naučiti
Kako primenjivati Python u realnim poslovnim situacijama
Osnovni alati i okruženje za rad (instalacija i podešavanje)

U ovoj lekciji upoznaćete se sa osnovnim numeričkim tipovima podataka u Pythonu i načinima njihovog korišćenja u analizi podataka:

Tipovi numeričkih podataka (int, float)
Osnovne matematičke operacije (+, -, *, /, //, %)
Rad sa decimalnim brojevima i zaokruživanje
Praktični primeri izračunavanja (npr. procenti, proseci)

U ovom delu kursa fokus je na uslovnoj logici i radu sa sekvencijalnim podacima u Pythonu:

Uslovna logika: if, elif, else strukture; operatori poređenja; logički operatori; primena u filtriranju podataka
Liste: kreiranje lista; indeksiranje i slicing; dodavanje, izmena i brisanje elemenata
Funkcije i metodi za liste: append(), remove(), pop(); sort(), reverse(); len(), sum(), min(), max()

U ovom delu kursa fokus je na korišćenju petlji za automatizaciju ponavljajućih zadataka u Pythonu:

FOR i WHILE petlje: for petlja kroz liste i range(); while petlja sa uslovom; iteracija kroz sekvence; praktični primeri ponavljanja operacija nad podacima
Kontrola petlji: break, continue, pass; kontrola toka izvršavanja; izbegavanje beskonačnih petlji; kombinovanje uslova i petlji

U ovom delu kursa fokus je na radu sa naprednijim strukturama podataka u Pythonu:

Rečnici: kreiranje rečnika; rad sa ključ-vrednost parovima; pristup, dodavanje i izmena elemenata; keys(), values(), items(); praktični primeri organizacije podataka
Skupovi: kreiranje skupova; jedinstvene vrednosti; dodavanje i uklanjanje elemenata; operacije nad skupovima (union, intersection, difference); primena u uklanjanju duplikata

U ovom delu kursa fokus je na radu sa funkcijama i obradi Excel fajlova u Pythonu:

Funkcije: definisanje funkcija (def); argumenti i povratne vrednosti (return); rad sa parametrima; organizacija i ponovna upotreba koda
Moduli, paketi i lambda funkcija: import modula; korišćenje standardnih i eksternih paketa; lambda funkcije; primena u kraćim operacijama nad podacima
Paket openpyxl i Excel radni listovi: rad sa openpyxl paketom; otvaranje i čuvanje Excel fajlova; čitanje i upis podataka; rad sa radnim listovima (sheet); iteracija kroz redove i kolone

U ovom delu kursa zaokružujemo osnovna znanja iz Python programiranja i njihove praktične primene u radu sa podacima:

Razumevanje osnovnih koncepata: promenljive, tipovi podataka i operacije
Rad sa tekstualnim i numeričkim podacima kroz konkretne primere
Korišćenje uslovne logike i petlji za automatizaciju zadataka
Upravljanje kolekcijama podataka: liste, rečnici i skupovi
Primena funkcija za organizaciju i efikasnije pisanje koda
Osnove rada sa Excel fajlovima kroz Python i openpyxl paket
Priprema za dalju primenu Python-a u analizi podataka i poslovnim procesima

U ovom delu kursa naučićemo Python za analitičare i mnoge napredne funkcije

U ovom delu kursa fokus je na praktičnom radu sa podacima i njihovoj pripremi za analizu:

Učitavanje, čišćenje i validiranje: učitavanje podataka iz CSV i Excel fajlova; rad sa Pandas bibliotekom; prepoznavanje i obrada nedostajućih vrednosti; uklanjanje duplikata; validacija i priprema podataka za analizu
Filtriranje i vizualizacija: filtriranje podataka po uslovima; sortiranje i grupisanje; osnovne vizualizacije (bar chart, line chart); korišćenje biblioteka kao što su matplotlib i pandas; prikaz ključnih uvida iz podataka

U ovom delu kursa fokus je na razumevanju distribucije podataka i osnovnih statističkih koncepata:

Funkcija mase verovatnoće (PMF)
Kumulativna distribucija verovatnoće (CDF)
Poređenje i modeliranje distribucije

U ovom delu kursa fokus je na analizi odnosa između podataka i njihovoj interpretaciji:

Istraživanje relacija
Vizualizacija relacija
Korelacije

U ovom delu kursa fokus je na modelovanju odnosa između varijabli pomoću regresionih metoda:

Jednostavna regresija: linearna regresija sa jednom nezavisnom varijablom; fitting modela; interpretacija koeficijenata; predikcija vrednosti
Višestruka regresija i vizualizacija: rad sa više nezavisnih varijabli; izgradnja modela; evaluacija modela; vizualizacija rezultata i reziduala
Logička regresija: klasifikacija pomoću logističke regresije; binarni ishodi; verovatnoće i decision boundary; primena u realnim datasetovima

U ovom delu kursa zaokružujemo znanja iz analize podataka kroz statističke metode i modelovanje:

Razumevanje distribucije podataka kroz PMF i CDF funkcije
Analiza i poređenje različitih distribucija podataka
Istraživanje odnosa između varijabli i njihova vizualizacija
Primena korelacije za merenje povezanosti podataka
Izgradnja i interpretacija regresionih modela
Primena jednostavne, višestruke i logističke regresije na realne podatke
Razvijanje sposobnosti donošenja zaključaka na osnovu podataka

U ovom delu kursa fokus je na korišćenju Seaborn biblioteke za naprednu vizualizaciju podataka:

Uvod u Seaborn
Korišćenje Pandasa sa Seabornom
Dodavanje treće varijable sa bojom

U ovom delu kursa fokus je na vizuelizaciji odnosa između dve kvantitativne varijable pomoću Seaborn biblioteke:

Uvod u relacioni dijagram i poddijagram
Prilagođavanje scatter plot
Uvod u line plot

U ovom delu kursa fokus je na vizuelizaciji odnosa između kategoričkih i kvantitativnih varijabli pomoću Seaborn biblioteke:

Count plots i Bar plots
Box plots: prikaz distribucije podataka
Point plots

U ovom delu kursa fokus je na prilagođavanju izgleda Seaborn dijagrama za jasniju i profesionalniju prezentaciju podataka:

Menjanje stila i boje dijagrama: seaborn stilovi (white, dark, ticks); color palette; prilagođavanje boja prema tipu podataka; set_theme i set_style funkcije
Dodavanje naslova i labela: postavljanje naslova grafikona; označavanje osa (xlabel, ylabel); prilagođavanje fonta i veličine teksta; dodavanje legendi
Finalni izgled dijagrama: podešavanje veličine figure; uklanjanje nepotrebnih elemenata; podešavanje layout-a; priprema grafikona za izvoz i prezentaciju

Sertifikat koji dobijaš na kraju završenog kursa

Po završetku kursa dobićeš sertifikat koji potvrđuje tvoju stručnost u naprednoj vizuelizaciji i analizi podataka pomoću Pythona. Sertifikat pokazuje poslodavcima da znaš kako da koristiš moćne biblioteke kao što su Seaborn i Pandas za učitavanje i obradu kompleksnih skupova podataka u formi Data Frame objekata.

Šta kažu zadovoljni klijenti

Python za analitičare je kurs koji je izuzetno koristan i praktično orijentisan. Posebno mu se dopalo što je kroz realne primere naučio kako da automatizuje svakodnevne zadatke, što mu već štedi mnogo vremena na poslu.

Marko Petrović

Data Analyst

Pre kursa sam se uglavnom oslanjala na Excel, ali sada mogu mnogo brže da analiziram podatke o zaposlenima koristeći Python. Najviše mi znači što sam naučila kako da automatizujem izveštaje koje sam ranije radila ručno. Kurs mi je bio vrlo praktičan i odmah primenljiv u poslu.

Ivana Marković

HR Data Specialist

Kao neko bez tehničke pozadine, bio sam prijatno iznenađen koliko je kurs jasan i dobro organizovan. Najviše mi se dopalo što sam kroz konkretne zadatke naučio kako da analiziram podatke iz kampanja i donosim bolje odluke. Definitivno bih preporučio svima koji žele da uđu u svet analitike.

Luka Radovanović

Marketing Analyst

Naučila sam stvari koje sam dugo pokušavala sama da shvatim. Sada imam mnogo više samopouzdanja u svom radu i bolje rezultate.

Ana Kovačević

Digitalni marketing specijalista

Kurs mi je pomogao da pređem sa Excela na Python i znatno unapredim analizu podataka. Vrlo praktično i korisno iskustvo.

Marija Vukadinović

Data analitičarka u e-commerce kompaniji

Česta pitanja

Možete se prijaviti putem ovog sajta klikom na dugme Kupi sada.
Ako želite da kupite preko firme ili paket sa posebnim pogodnostima, kontaktirajte nas putem email-a office@mcb.rs ili telefona +381638500991.

Da, nakon uspešnog završetka kursa dobijate sertifikat!

Ne postoji testiranje na kraju.
Nakon odslušanih svih lekcija, dobijaš sertifikat.

Kurs je self-paced, što podrazumeva da ga gledaš samostalno i svojim tempom, nezavisno od trenera.
Ako te zanima mentorstvo, kontaktiraj nas putem email-a office@mcb.rs ili telefona +381638500991.

Ne, ne postoji vremensko ograničenje za završetak kursa. Kurs možete pohađati svojim tempom i imati pristup materijalima bez vremenskog roka, kako biste učenje prilagodili svojim obavezama.

Ako želiš da kupiš preko firme ili paket sa posebnim pogodnostima, kontaktiraj nas putem email-a office@mcb.rs ili telefona +381638500991.

Kurs se sastoji iz 42lekcije, koje su kombinacija video lekcija, tekstova, mini kvizova.
Potrebno ti je oko 7h da završiš ceo kurs.