Online, tanár által élőben tartott képzésünkön a kezdő Python programozó kurzusunk anyagára támaszkodva mutatjuk be a különböző adatfeldolgozási eljárásokat.
10 alkalmas magyar nyelvű képzésünk célja, hogy a kurzus résztvevői átfogó képet kapjanak a korszerű adatelemzési tevékenységek mikéntjéről és legfontosabb módszereiről, elsősorban az üzleti világban bevett jelenlegi gyakorlatokról.
A tanfolyamot elvégző résztvevők a képzés végén rendelkezni fognak adatelemzői szemléletmóddal, amely segítségével később összetettebb munkafolyamatokba is be tudnak kapcsolódni technológiai megvalósítástól függetlenül.
A résztvevők a kurzus végére képesek lesznek önállóan elemzési feladatok végrehajtására az adatok keresésével, betöltésével, ellenőrzésével, elemzésével és végül üzleti jelentések összeállításával, illetve betekintést nyerhetnek
az idősorok speciális elemzésébe és a gépi tanulás világába.
A kurzus végén a résztvevők egy projektmunkát készítenek, ami után tanúsítványt kapnak a tanfolyam elvégézéséről. A részletes tematikához kattintson ide vagy görgessen lejjebb!
A kurzuson használt fejlesztői környezet:
Google Colab
A kurzuson használt programozási nyelv:
Python
Tanár:
"Nem csak a programozói készségeim fejlődtek, hanem üzleti jelentéseket is képes vagyok most már írni." - Tamás
"Nagyon gyakorlatiasak az órái és mélységeiben adja át az anyagot" - Anna
"A projektmunkával értettem meg igazán, milyen összetett dolog az adatelemzés, köszönöm a tanár úrnak az átadott tudást." - István
"Ha a munkájukat új, adat alapú módszertanokkal és folyamatokkal akarják kiegészíteni, valamint ha szakmai szinten, professzionálisan szeretne valaki adatokkal foglalkozni egy munkakörben, az adatanalitikai ismeretek elengedhetetlenek. Ezeket a munkákat jelentős mértékben könnyíti meg a Python nyelv használata, amely erős és robosztus eszközöket ad a kezünkbe ezekhez a problémákhoz. " - Ádám, az oktató
Időpont: szerda, 18:30-20:00
Első óra: 2025. október 8.
Jelentkezési határidő: 2025. október 7., éjfél
Ára: 110 000 Ft
A data science vagy adattudomány napjaink egyik leginkább fejlődő és népszerű informatikai területe, mellyel hatalmas adatbázisokat vagyunk képesek manipulálni, ezzel trendeket, mintákat és adatsorok közötti kapcsolatokat határozhatunk meg. A területet aktívan alkalmazzák az informatikán kívül az üzleti, banki, egészségügyi szektorokban és egyéb tudományos kutatásokban, fejlesztésekben.
Az órán való részvételhez Python programozó kurzusunk tananyagának előismerete szükséges. Amennyiben úgy érzi,
nem rendelkezik a megfelelő alapokkal, először az alapozó kurzust ajánljuk elvégezni. Tanfolyamunkon ezen alapokra építve kezdjük el a tanulók bevezetését az adatanalízisbe a Python nyelv segítéségével.
Kérjük győződjön meg arról, hogy az alapozó kurzus tematikája alapján rendelkezik-e minden szükséges ismerettel!
Képzésünket online, élőben tartjuk magyar nyelven. Kurzusunkon az ELTE oktatója és kutatója, Kelemen Ádám, vezeti be a tanulókat az adatanalízis alapjaiba, akinek már több éves tapasztalata van adatelemező algoritmusok fejlesztésében és az adattudományok oktatásában. Segítségével a tanulók elsajátíthatják a legmodernebb adatelemző eljárásokat. A képzés végén a tanulók egy önálló projektmunkát készítenek el, ami után iskolánktól tanúsítványt kapnak a kurzus elvégézésről.
| Alkalom | Dátum | Téma |
|---|---|---|
| 1. | 10.07. | Bevezetés: Adatelemzés üzleti világban betöltött szerepe, Pythonos és Notebookos alapok ismétlése |
| 2. | 10.14. | Adatközpontú gondolkodás: Üzleti kérdésekből analitikai kérdések formalizálása. Adat fogalma, típusai, Big Data. A Pythonos adatelérés alapjai (pandas és NumPy) |
| 3. | 10.21. | Adatmérnöki alapok. Adattranszformációk (ETL). Adatminőség elemei, ellenőrzése. Adatbetöltés API-n keresztül. Párhuzamosítás és modern alternatívák (polars, duckdb) |
| 4. | 10.28. | Alapvető aggregációs transzformációk és leíró statisztikai elemzések pandas-ban és NumPy-ban. EDA, adatfeltárás fogalma. Háttérkutatás szerepe és megvalósítása. |
| 5. | 11.04. | Adattisztítás, adatstratégia, adatigazgatás, adamenedzsment fogalma és alapjai. Adatminőségi problémák, adattisztítási műveletek. Split-apply-combine, join és merge műveletek. |
| 6. | 11.11. | Speciális adattípusok: Idősoros és térbeli adatok. Idősorok adatok betöltése, aggregálása. Dátumok kezelése. Térinformatikai adatok kezelése (geopandas) |
| 7. | 11.18. | Következtető statisztika alapjai. Egyváltozós és többváltozós statisztika fogalma, példákon keresztül. Regresszió és idősoros modellek. |
| 8. | 11.25. | A gépi tanulás alapjai és üzleti felhasználása. Lineáris és fa alapú modellek (sklearn, catboost) |
| 9. | 12.02. | Adatvizualizáció (matplotlib, seaborn) és Notebookos jelentés készítés. Interaktív vizualizáció plotly-val. |
| 10. | 12.09. | Esettanulmányok áttekintése |
A kurzus során sikeresen megtanultam a szakma alapjait, várom a folytatását.
Igen segítőkész volt a tanárunk az egész kurzus ideje alatt, bármilyen kérdéssel tudtam hozzá fordulni, ha elakadtam.
Csak érdeklődőként jelentkeztem a kurzusra, de most már azon gondolkozom, hogy ezzel akarok foglalkozni.
Naprakész és használható tudást kaptam a kurzuson, amelyet a jövőben is kamatoztatni fogok. Mindenkinek csak ajánlani tudom.