Kurss katram, kas nodarbojas ar liela apjoma datu apstrādi un salīdzināšanu, datu vizualizāciju un pārskatu veidošanu un vēlas apgūt datu speciālista profilam atbilstošās kompetences
MĒRĶIS:
Apgūt Python, R un SQL programmēšanas valodu pamatus tiem, kas vēlas apgūt Datu speciālista darbā nepieciešamās kompetences
| Pieteikties par projekta līdzekļiem | Reģistrēties par saviem līdzekļiem |
SAGAIDĀMIE REZULTĀTI
Spēt vākt, apstrādāt un vizualizēt strukturētus un nestrukturētus datus, izmantojot Python, R un SQL, pielāgojot datu apstrādes stratēģijas dažādu projektu un organizāciju vajadzībām sarežģītos datu kontekstos.
Spēt pielietot praksē datu analīzes rīkus, izvēloties un kombinējot vispiemērotākās metodes atbilstoši konkrētam uzdevumam, datu veidam un lietotāju vajadzībām.
Prast apstrādāt liela apjoma datus un veidot interaktīvas atskaites ar Python, R un SQL palīdzību, pielāgojot datu struktūras un vizualizācijas risinājumus dažādiem mērķiem un auditorijām.
Pārzināt datu apstrādi un datu avotu analīzi pēc tehniskās un loģiskās struktūras, spējot izvērtēt to kvalitāti, piemērotību un integrācijas iespējas sarežģītās datu vidēs.
Pārzināt Python un R programmēšanu datu lietotņu izstrādei un spēt pielāgot programmēšanas risinājumus, lai tie atbilstu specifiskām biznesa vai pētniecības prasībām.
Pārzināt datu pārvaldības principus un spēt tos piemērot, ņemot vērā organizācijas politiku, datu drošības prasības un sarežģītus sadarbības kontekstus.
GALVENĀS TĒMAS:
1. Python, R un SQL darba vides sagatavošana.
1.1. Anaconda, JupyterLab un Jupyter Notebooks vides pielāgošana tālākai darbībai.
1.2. RStudio vides sagatavošana.
1.3. PostgreSQL vides pielāgošana tālākai darbībai
2. Python, R un SQL programmēšanas valodu pamati.
2.1. Python pamati
2.2. R pamati
2.3. SQL pamati
3. Objekt orientētas programmēšanas pamati Python.
3.1. OOP ar Python
4. Pandas pamati
4.1. Datu avoti un datu iegūšana ar Pandas. Datu struktūras Pandas.
4.2. Datu organizēšanas pamati, datu higiēna. Datu tīrīšanas metodes Pandas;
4.3. Datu transformācija ar Pandas. Trūkstošo datu problēmas risināšana;
4.4. Datu apvienošanas un grupēšanas automatizācija ar Pandas
5. Datu vizualizācija ar Python rīkiem
5.1. Matplotlib pamati;
5.2. Seaborn pamati;
5.3. PowerBI izmantošana ar Python.
6. R pamati
6.1.Datu avoti un datu iegūšana ar R.
6.2. Datu struktūras R. Darbs ar tabulām R vidē.
6.3. Datu organizēšanas pamati, datu higiēna. R bibliotēkas un funkcijas datu tīrīšanai;
6.4. Datu transformācija ar R bibliotēkām. Trūkstošo datu problēmas risināšana;
6.5. Datu apvienošanas un grupēšanas automatizācija ar R bibliotēkām;
7. Datu vizualizācija ar R rīkiem.
7.1. Datu vizualizācija ar pamata R rīkiem.
7.2. Datu vizualizācija ar ggplot2
8. Datubāžu veidošana un pārvadīšana ar SQL
8.1. SQL pamati
8.2. Postgres pamati;
8.3. Datubāžu veidošanas principi
9. Datu noliktavu veidošana un pārvaldīšana.
9.1. Lokālo datu noliktavu veidošana un pārvaldīšana ar Postgres;
9.2. Datu noliktavu veidošana mākonī ar Google BigQuery.
10. ETL un ELT procesu pamati
10.1. ETL un ELT procesu pamati.
10.2. Datu avotu integracija.
10.3. Datu transformācijas pamati
11. Programmas datu apstrāde un dažādu datu avotu analīze ar Python, R un SQL pēc tehniskās un loģiskās struktūras.
11.1. Dažādu failu formātu apstrāde;
11.2. Dabas ar datubāzēm izmatojot Python, R un SQL
11.3. Darbs ar API izmatojot Python, R un SQL
12. Datu kvalitātes kontrole
12.1. Datu kvalitātes kontrole ar Python
12.2. Datu kvalitātes kontrole ar SQL
13. Darbs ar lieliem datu apjomiem un datu straumēšana
13.1. Darbs ar lieliem datu apjomiem izmantojot Python un R rīkus.
13.2. Datu straumēšana.
14. Python un R datu lietotņu izstrādei.
14.1. Datu lietotņu izstrāde ar Python rīkiem
14.2. Datu lietotņu izstrāde ar R
15. Datu analītikas koda atkļūdošana, identificējot un novēršot kļūdas rašanās cēloni.
15.1. Atkļūdošanas pamati;
15.2. Koda dokumentēšana un labošanas procesa fiksēšana.
Kopējais stundu (akadēmiskais) skaits: 180 stundas. Teorija 70 stundas, praktiskās mācības 110 stundas.
LĪDZFINANSĒJUMS:
Programmas izmaksas 990.00 EUR + PVN
Atveseļošanas fonda projekta “Individuālo mācību kontu pieejas attīstība" Nr. 2.3.1.4.i.0/1/23/I/CFLA/001 ietvaros mācību izmaksas sedz no projekta līdzekļiem.
MĀCĪBU FORMA, SĀKUMS UN LAIKS:
Mācības ir pašvadītas (tālmācība). Katrs dalībnieks mācās patstāvīgi, apgūstamais apjoms ir aptuveni 20 stundas nedēļā. Mācības var uzsākt uzreiz pēc līguma parakstīšanas.
Pēc šīs programmas sekmīgas pabeigšanas dalībnieks var uzsākt mācībās nākamajā cikla programmā xxxxxxxxxxxxxx
Dokuments par kursa apguvi:
Apliecība par neformālās izglītības programmas apguvi.
Jautājumi?
Zvaniet 20040047, 67606101