Jak nejlépe přistoupit k nové datové sadě? Nauč se ověřovat a sumarizovat kategorická a numerická data a vytvářet vizualizace v Seabornu, které srozumitelně přiblíží tvá zjištění.

První prozkoumání dat

Funkce pro počáteční průzkum

Počítání hodnot v kategoriálních datech

Globální nezaměstnanost v roce 2021

Validace dat

Zjišťování datových typů

Ověření kontinentů

Ověření rozsahu dat

Sumarizace dat

Souhrny pomocí .groupby() a .agg()

Pojmenované agregace

Vizualizace kategorických souhrnů

Seznámení s datovou sadou

Průzkum a analýza dat často znamenají práci s chybějícími hodnotami, nesprávnými datovými typy a odlehlými hodnotami. V této kapitole se naučíš techniky, jak tyto problémy řešit a zefektivnit celý proces EDA!

Práce s chybějícími daty

Strategie pro zpracování zbývajících chybějících hodnot

Doplnění chybějících cen letenek

Převod a analýza kategorických dat

Zjišťování počtu unikátních hodnot

Kategorie délky letu

Přidání kategorií délky letu

Práce s numerickými daty

Délka letu

Přidání popisných statistik

Práce s odlehlými hodnotami

Možnosti

Odlehlé hodnoty odeber

Odlehlé hodnoty ponech v datasetu

Co dělat s odlehlými hodnotami

Identifikace odlehlých hodnot

Odstraňování odlehlých hodnot

Čištění dat a imputace

Proměnné v datových sadách neexistují izolovaně – jsou vzájemně provázané. V této kapitole se zaměříš na vztahy mezi numerickými, kategorickými i DateTime daty, prozkoumáš směr a sílu těchto vztahů a naučíš se je vizualizovat.

Vzorce v čase

Import dat typu DateTime

Aktualizace datového typu na DateTime

Vizualizace vztahů v čase

Korelace

Interpretace heatmapy

Vizualizace vztahů mezi proměnnými

Vizualizace vztahů mezi více proměnnými

Vztahy mezi faktory a jejich rozdělení

Kategorická data v bodových grafech

Prozkoumávání pomocí KDE grafů

Vztahy v datech

Průzkumná analýza dat je klíčovým krokem v procesu datové vědy, ale není posledním! Je čas naučit se techniky a zvážit aspekty, které ti pomohou úspěšně posunout projekty dál poté, co průzkum dokončíš!

Specifika kategorických dat

Kontrola nevyvážených tříd

Křížová tabulka

Tvorba nových příznaků

Extrakce příznaků pro korelaci

Výpočet percentilů platu

Kategorizace platů

Generování hypotéz

Porovnání platů

Výběr hypotézy

Gratulujeme!

Od průzkumné analýzy k akci

planes.csv

books.csv

Course Glossary

unemployment.csv

data_science_salaries.csv

divorce.csv

Máš zajímavá data – ale kde začít s jejich analýzou? Tento kurz tě provede celým procesem průzkumu a analýzy dat, od pochopení obsahu datové sady až po zapojení zjištění do pracovního postupu v oblasti datové vědy. 

Na datech o nezaměstnanosti a cenách letenek využiješ Python k sumarizaci a ověřování dat, výpočtům, identifikaci a nahrazování chybějících hodnot a čištění numerických i kategorických hodnot. V průběhu kurzu budeš vytvářet přehledné vizualizace v Seabornu, které ti pomohou porozumět proměnným a jejich vzájemným vztahům. 

Na závěr kurz ukáže, jak zjištění z průzkumné analýzy navazují na pracovní postupy v datové vědě – prostřednictvím tvorby nových příznaků, vyvažování kategorických příznaků a formulování hypotéz na základě získaných poznatků. 

Po absolvování tohoto kurzu budeš připravený/á provádět vlastní průzkumnou analýzu dat (EDA) v Pythonu, přehledně vizuálně prezentovat svá zjištění a navrhovat další kroky k získání hodnotných poznatků z dat!

Videa obsahují živé titulky, které zobrazíš kliknutím na „Show transcript" v levém dolním rohu videa.									
Glosář kurzu najdeš vpravo v sekci se zdroji.
									
Pro získání kreditů CPE musíš kurz dokončit a dosáhnout skóre alespoň 70 % v kvalifikovaném hodnocení. K hodnocení se dostaneš kliknutím na upozornění na kredity CPE vpravo.

Introduction to Statistics in Python

Introduction to Data Visualization with Seaborn

Naučte se analýzu dat v Pythonu s tímto čtyřhodinovým kurzem. Čistěte, zkoumejte a vizualizujte data.

Exploratory Data Analysis in Python

Naučte se zkoumat, vizualizovat a získávat poznatky z dat pomocí exploratorní analýzy dat (EDA) v Pythonu.

Asociovaný datový vědec  v Pythonu

Datový analytik  v Pythonu

Základy dat v Pythonu

Teplotní senzor zaznamenal 100 stupňů Celsia, ale správně funguje jen do 80 stupňů.

Účastník studie má zadaný věk minus 35 let.

Rychlost auta je zaznamenána jako 5 000 km/h.

Průměrná celková rozloha zemí je 667 143 km², ale jedna země je vedena s rozlohou 1 637 687 km².

Jsou zaznamenány výšky různých zvířat a jedna z nich překračuje hodnotu 75. percentilu o více než 1,5násobek IQR.

Basketbalista průměrně zaznamenává 35 bodů za zápas, zatímco průměr celé ligy je jen 10 bodů.

Co dělat s odlehlými hodnotami

Exploratory Data Analysis in Python

Interaktivní praktické cvičení