Data Cleaning and Visualization with Python

Python ilə Data cleaning və vizuallaşdırma öyrənin!
Bu təlimdən sonra Python vasitəsilə çirkli dataları təmizləməyi və analiz üçün hazır vəziyyətə gətirməyi, statistik analizlər etməyi, müxtəlif modellər qurmağı və onları vizuallaşdırmağı, datanıza əsasən gələcək trendləri proqnozlaşdırmağı bacaracaqsınız. 

Coşqun Hüseynov – Qafqaz Universitetindən məzun olmuşdur. Paşa Sığortada Aktuari şöbəsində Data Analitik olaraq çalışır. Daha əvvəl Sumqayıt Texnologiya Parkı (STP)-da Konstruksiya Texnologiyaları departamentində Data Analitik olaraq çalışmışdır. Çalışdığı müddət ərzində Python ilə layihələrin avtomatlaşdırılmasını həyata keçirmişdir. Hazırda Paşa Sığortada Prediktiv modellərin qurulması, məlumatların avtomatlaşdırılması, dataların təmizlənməsi, interaktiv vizuallaşdırma və reportların hazırlanması ilə məşğuldur. Bununla yanaşı, Machine Learning alqoritmlərindən ibarət bir startup üzərində çalışmaqdadır.

Təlim müddətində mövzular praktiki tətbiq üzərindən izah olunacaq. Həftəlik və aylıq testlərlə mövzuların mənimsənilməsi ölçüləcək. Təlim iştirakçıları müxtəlif keyzlər üzərində praktiki olaraq işləyəcəklər. Həmçinin, hər dərsin sonunda ev tapşırıqları ilə keçilən mövzular daha da möhkəmləndiriləcək. Təlimin sonunda iştirakçılar öyrəndikləri bacarıqları tətbiq edərək onlara verilmiş proyekt üzərində işləyəcəklər. Təlim proqramı ərzində iştirakçılara mentorluq dəstəyi də göstəriləcək. Dərslərə davamiyyət və keçirilən testlərin nəticələrinə əsasən iştirakçılar sertifikatla təmin olunacaqdır. 

Qeyd: Təlimə qatılmaq üçün ilkin python bilikləri tələb olunur. Buna görə də, müraciət edənlər səviyyə test imtahanından keçdiyi halda təlimə qoşula biləcəklər.

Statistik və riyazi modelləşdirmə ilə məşğul olanlar, Data Science, Data Analitikası, Biznes Analitikası, Marketing Research, Maliyyə Analitikası və Risklərin İdarə Olunması, Proseslərin avtomatlaşdırılması, Aktuari, Sığorta və Bank sahəsində çalışanlar və çalışmaq istəyənlər.

Data Cleaning

• Importance of Data Cleaning
  • Explore & detect
    • • Duplicates variables
      • Explore & Detect problems
      • Dealing with Data types
• Missing values
  • • Irrelevant columns
    • Summarizing and Replacing missing values
    • Unexpected missing values
    • Standard, Non-Standard missing values
• Standarize Data
  • • Untidy characters
    • Cleaning process with Strings
    • Dealing different types of Datetimes

• Groupby Method for advanced Analyze & Decisions

Plotly Visualization

• Getting data ready for visualization
• Features of Plotly
• Interactive Visualization
• Line Charts
• Scatter Plot
• Scatter Matrix Plot
• Bar Plot
• Hist Plot
• Subplots
• ChartStudio

Introduction to Machine Learning

• What is Artificial Intelligence (AI)  & Machine Learning (ML) ?
• Workflow in ML
• Characteristics of Regression, Classification, Clustering models
• Preperation tools for Predictive models
• Regression ( Linear, Random Forest, Decision Tree)
• Classification ( Logistic Regression, XGBoost, LightGBM, Random Forest)

Step to Business World

• Data Scientist CV Preparation
• Interview preparation