Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Opleiding : Python, inleiding tot economische en wetenschappelijke gegevensverwerking

Aan de slag met Python en zijn reken- en analysebibliotheken

Python, inleiding tot economische en wetenschappelijke gegevensverwerking

Aan de slag met Python en zijn reken- en analysebibliotheken



In slechts een paar jaar tijd is Python de belangrijkste programmeertaal geworden voor iedereen die zich bezighoudt met numerieke berekeningen en gegevensanalyse. Het is zo krachtig geworden dat geen enkele wetenschappelijke discipline er nog aan lijkt te kunnen of willen ontsnappen. Ga dus aan de slag met Python!


INTER
INTRA
OP MAAT

Praktijkcursus ter plaatse of via klasverband op afstand

Ref. PYK
  3d - 21u00
Prijs : Neem contact met ons op

Downloaden in pdf-formaat

Deze cursus delen via mail




In slechts een paar jaar tijd is Python de belangrijkste programmeertaal geworden voor iedereen die zich bezighoudt met numerieke berekeningen en gegevensanalyse. Het is zo krachtig geworden dat geen enkele wetenschappelijke discipline er nog aan lijkt te kunnen of willen ontsnappen. Ga dus aan de slag met Python!


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
Programmeren met de taal Python
Een overzicht hebben van het wetenschappelijke ecosysteem van Python
Leer meer over de essentiële wetenschappelijke bibliotheken voor datawetenschap

Doelgroep
Engineers, ontwikkelaars, onderzoekers, datawetenschappers, data-analisten en iedereen die de wetenschappelijke wereld van Python wil leren kennen.

Voorafgaande vereisten
Vaardigheid in een programmeertaal of kennis van algoritmen.

Praktische modaliteiten
Oefening
Er worden talloze oefeningen gebruikt om de onderwerpen te illustreren.
Leer methodes
Actieve lesmethoden, met demonstraties door de trainer om deelnemers te helpen het onderwerp sneller onder de knie te krijgen.

Opleidingsprogramma

1
Inleiding tot de taal Python

  • De belangrijkste gegevenstypen: strings, booleans, getallen, lijsten, tuples en woordenboeken.
  • Besturingsstructuren: for en while-lussen, if/elif/else-tests.
  • Functies: aanmaken, parameters doorgeven, standaardwaarden, variabele argumenten.
  • Bibliotheken maken en gebruiken.
  • De belangrijkste valkuilen van Python: muteerbare en niet-wijzigbare types, toewijzing door verwijzing/adres.
  • De ontwikkelomgeving Python/Anaconda.
Praktisch werk
Omgaan met Python met de Anaconda distributie, gebruik van een IDE, korte algoritmische oefeningen om de taal onder de knie te krijgen. Omgaan met data.

2
Meer informatie over taal

  • Object-georiënteerde syntaxis begrijpen.
  • Een klasse maken: klassenattributen, instantiesattributen, methoden, speciale functies.
  • Leest en schrijft bestanden in tekstformaat.
  • Standaardbibliotheken gebruiken: relationele databases en reguliere expressies.
Praktisch werk
Verbinding met een relationele database en analyse van logs met behulp van reguliere expressies, om een CSV-bestand te maken voor gebruik door wetenschappelijke bibliotheken.

3
Presentatie van het wetenschappelijke Python-ecosysteem

  • Overzicht van het wetenschappelijke ecosysteem van Python: de essentiële bibliotheken.
  • Weet waar u nieuwe boekwinkels kunt vinden en beoordeel hun duurzaamheid.
  • De belangrijkste open source tools en software voor data science.
  • Waarom een wetenschappelijke distributie zoals Anaconda gebruiken.
  • De voordelen van een virtuele omgeving begrijpen en weten hoe deze te gebruiken.
  • De iPython-interpreter en de Jupyter-server.
  • Best practices voor een goede start van uw data science project met Python.
  • Wetenschappelijke bestandsformaten en bibliotheken om ze te manipuleren.
Praktisch werk
De ontwikkelomgeving opzetten. Een virtuele omgeving maken, een omgeving exporteren en dupliceren, Jupyter-notebooks gebruiken.

4
De SciPy-stapel

  • De basis van essentiële wetenschappelijke bibliotheken waarop alle andere zijn gebaseerd: de SciPy Stack.
  • Numpy: numerieke berekening en lineaire algebra (vectoren, matrices, afbeeldingen).
  • Scipy, gebaseerd op Numpy voor: statistiek, functionele en geospatiale analyse, signaalverwerking...
  • Pandas: analyse van gegevens in tabelvorm (CSV, Excel, enz.), statistieken, pivots, filters, zoekopdrachten, enz.
  • Matplotlib: de essentiële bibliotheek voor datavisualisatie om mee aan de slag te gaan.
Praktisch werk
Beeldbewerking met Numpy. Eerste plots. Statistische analyse van CSV-bestanden. Eerste mapping elementen. Fouriertransformaties.