ONLINECOURSE.HEADER

Essential pandas for Data Science

วิเคราะห์ข้อมูลแบบครบสูตรด้วย pandas

3,490.00
บาท
4.9
16 - 18 ชั่วโมง
ควรมีพื้นฐาน Python มาก่อน
มีแบบฝึกหัด และโปรเจกต์
เรียนจบรับประกาศนียบัตร

SECTION_TITLE.OVERVIEW

ก้าวสำคัญสู่สายอาชีพ Data Scientist เรียนครบสูตรการทำงาน ตั้งแต่เริ่มสร้างโปรเจกต์จนนำ Insights ไปใช้งาน

  1. Project Setup: ตั้งคำถามเพื่อกำหนดทิศทางของโปรเจกต์ และเริ่มเก็บข้อมูล
  2. Data Preparation: นำเข้าข้อมูลจากแหล่งต่างๆ แล้วทำความสะอาด พร้อมปรับรูปแบบข้อมูลให้พร้อมนำไปใช้ต่อ
  3. Data Analysis: วิเคราะห์ข้อมูล หาค่าทางสถิติ ค่าความสัมพันธ์ระหว่างตัวแปรต่างๆ พร้อม Visualize ให้เข้าใจง่ายขึ้น
  4. Result Delivery: นำ Insights ที่ได้จากการวิเคราะห์ไปใช้ตัดสินใจในขั้นตอนต่อไป

Pandas

Library ที่สำคัญของภาษา Python มีจุดเด่นด้านการวิเคราะห์ข้อมูล (Data Analysis) และการทำความสะอาดของข้อมูล (Data Cleaning/Wrangling) Pandas สามารถนำเข้าข้อมูลได้หลายประเภท เช่น CSV, TSC, SQL Database และสามารถทำงานกับข้อมูลขนาดใหญ่ระดับ Big Data ได้อีกด้วย

NumPy

อีกหนึ่งใน Library ภาษา Python ย่อมากจาก ‘Numerical Python’ มีจุดเด่นด้านการทำงานกับตัวเลข และ Array แบบหลายมิติ และเป็น Library ที่สำคัญในการใช้งาน Pandas อีกด้วย

โปรเจกต์ที่จะได้ทำในคอร์ส

  • วิเคราะห์ Facebook Fan Page
  • วิเคราะห์ยอดขายบนแพลตฟอร์ม Lazada

สิ่งที่จะได้รับจากคอร์สนี้

  • เรียนรู้พื้นฐานการทำงานโปรเจกต์ Data Science แบบครบลูป ตั้งแต่การเริ่มยัน Insights ไปต่อยอด
  • เรียนรู้การใช้ Library ยอดนิยมทั้ง NumPy และ pandas ตั้งแต่พื้นฐาน เน้นจุดสำคัญ สำหรับนำไปใช้งาน
  • เรียนรู้วิธีการจัดการ และการทำความสะอาดข้อมูลอย่างมีประะสิทธิภาพ
  • ลงมือทำโปรเจกต์เองตั้งแต่ต้น ถึง 2 โปรเจกต์ พร้อมคำบอกใบ้ผ่าน Notebook บน Google Colab
  • เรียนจบรับประกาศนียบัตร (Certificate of Completion) ไปอัปโปรไฟล์ได้ทันที

คอร์สนี้เหมาะสำหรับ

  • Data Analyst ที่ต้องการย้ายสายงานไปเป็น Data Scientist
  • ผู้ที่ต้องการปูพื้นฐานสู่ Machine Learning ในอนาคต
  • ผู้ที่ต้องการเปลี่ยนจากการวิเคราะห์ข้อมูลด้วย Spreadsheets เป็น Python
  • ผู้ที่ต้องทำงานกับข้อมูลขนาดใหญ่ หรือวิเคราะห์ข้อมูลด้วยการเขียนโปรแกรม
  • นิสิต นักศึกษา หรือผู้สนใจทั่วไป ที่อยากเรียนรู้การวิเคราะห์ข้อมูลด้วย Python และ pandas

พื้นฐานที่ควรมีสำหรับคอร์สนี้

  • ทักษะการเขียนโปรแกรมเบื้องต้น
  • ทักษะการใช้งาน Python เบื้องต้น

คอร์สนี้ไม่เหมาะสำหรับ

  • ผู้ที่ไม่มีพื้นฐาน Python

สอบถามข้อมูลเพิ่มเติม

  • ++Facebook ของ Skooldio++
  • สำหรับท่านที่ต้องการสมัครในนามบริษัท 5 ท่านขึ้นไป ติดต่อรับส่วนลด bulk discount ได้ที่ hello@skooldio.com

SECTION_TITLE.INSTRUCTOR

สรณภพ เทวปฏิคม (Product Owner - Learn Corporation) | Skooldio Instructor
สรณภพ เทวปฏิคม
Product Owner - Learn Corporation

SECTION_TITLE.COURSE_OUTLINE

01

Introduction

Welcome to the course!

Course Materials - Slides

Course Outlines

Introduction to FB post's usecase

Understanding FB post's Data and Expected Results

Data Science Project Workflow

Introducing Google Colab

Introducing Course Materials

3:21

Course Materials - Demo and Practice

Introduction to NumPy

Overview of NumPy

How to create an ndarray?

Notes on ndarray

[Demo] ndarray

16:36

[Quiz] NumPy - ndarray

Overview of Basic Operations

[Demo] Arithmetic

8:34

Statistics

8:09

[Demo] Statistics

5:49

Sorting

3:53

[Demo] Sorting

4:38

[Quiz] NumPy - Basic Operations

Overview of Indexing and Slicing

[Demo] Basic Indexing

7:41

Basic Slicing

10:32

[Demo] Basic Slicing

11:11

Notes on Basic Slicing

8:40

[Demo] Notes on Basic Slicing

4:16

Boolean Indexing

12:20

[Demo] Boolean Indexing

8:33

[Quiz] NumPy - Indexing and Slicing

Overview of 2D Array

Creating a 2D Array

[Demo] Creating a 2D Array

7:59

Playing with Axis

11:21

[Demo] Playing with Axis

5:38

Indexing and Slicing a 2D Array

13:26

[Demo] Indexing and Slicing a 2D Array

6:04

[Quiz] NumPy - 2D Array

Summary of NumPy

2:40

Introducing NumPy Practice

2:00

Introduction to pandas

6:10

Overview of Basic pandas

Overview of Importing and Inspecting Data

Introducing Datasets in CSV

Import a Simple .csv File

Mount drive on Google Colab

[Demo] Mount drive on Google Colab & Import a Simple .csv File

5:34

Inspecting a DataFrame

[Demo] Inspecting a DataFrame

4:51

Viewing Columns

[Demo] Viewing Columns

4:30

Indexing a DataFrame with .iloc

5:39

[Demo] Indexing a DataFrame with .iloc

3:50

Indexing a DataFrame with .loc

6:50

[Demo] Indexing a DataFrame with .loc

4:41

Filtering a DataFrame with Boolean Conditions

5:05

[Demo] Filtering a DataFrame with Boolean Conditions

4:43

Filtering a DataFrame with Boolean Conditions - Chained Indexing

5:58

[Demo] Filtering a DataFrame with Boolean Conditions - Chained Indexing

10:25

Sorting Data

3:40

[Demo] Sorting Data

11:59

The 'inplace' parameter

[Quiz] Basic pandas - Importing and Inspecting Data

Overview of Transforming Data

Transforming Numerical Data

Simple Arithmetic Operations

[Demo] Simple Arithmetic Operations

8:07

Cumulative Operations

[Demo] Cumulative Operations

4:28

Data Binning

10:27

[Demo] Data Binning

11:10

Transforming String

3:10

Extracting Substrings

3:20

(Demo) Extracting Substrings

5:53

Checking Substring Existence

8:31

(Demo) Checking Substring Existence

15:07

Checking Substring Occurrences

0:57

(Demo) Checking Substring Occurrences

5:03

(Demo - Extra) Checking Substring Occurrences

2:42

Transforming Datetime Data

1:54

Converting String to Datetime

6:06

(Demo) Converting String to Datetime

9:42

(Demo) Converting Datetime to String

10:22

(Demo) Datetime Calculations

9:27

[Quiz] Basic pandas - Transforming Data

Overview of Aggregating and Summarizing Data

Individual Column Summarization (Numerical)

(Demo) Individual Column Summarization (Numerical)

9:00

Individual Column Summarization (Categorical)

7:56

(Demo) Individual Column Summarization (Categorical)

15:09

GroupBy: Split-Apply-Combine

8:13

(Demo) GroupBy: Split-Apply-Combine

9:07

(Demo - Extra) GroupBy: Split-Apply-Combine

4:24

GroupBy: Multiple-Keys

2:31

(Demo) GroupBy: Multiple-Keys

5:58

GroupBy: Multiple Aggregations with .agg()

0:55

(Demo) GroupBy: Multiple Aggregations with .agg()

4:00

[Quiz] Basic pandas - Aggregating and Summarizing Data

Overview of Visualizing Data

One-Variable Plots

(Demo) One-Variable Plots

17:10

Categorical x Numerical Plots

4:11

(Demo) Categorical x Numerical Plots

7:14

Numerical x Numerical Plots

2:27

(Demo) Numerical x Numerical Plots

1:01

Time-Series Plots

1:59

(Demo) Time-Series Plots

13:44

Basic Plot Adjustments

4:08

(Demo) Basic Plot Adjustments

7:03

[Quiz] Basic pandas - Visualizing Data

Recap - Basic Pandas

8:45

Introducing to Basic Pandas Practice

2:07

Introduction to Practical pandas

Overview of Working with more Data Formats

0:56

Create a DataFrame from Scratch

2:02

(Demo) Create a DataFrame from Scratch

11:20

Importing an Excel File

1:45

(Demo) Importing an Excel File

13:04

Saving a DataFrame

5:45

(Demo) Saving a DataFrame

8:53

[Quiz] Practical pandas - Working with More Data Formats

Overview of Cleaning Data

Renaming Columns

(Demo) Renaming Columns

6:25

Dealing with Missing Values + Introducing Kaggle's Titanic Dataset

7:55

Dealing with Missing Values (How?)

7:39

(Demo) Dealing with Missing Values (How > Fill)

7:33

(Demo) Dealing with Missing Values (How > Impute)

11:42

(Demo) Dealing with Missing Values (How > Drop)

7:15

Summary of Dealing with Missing Values

5:54

Replacing Values

6:13

(Demo) Replacing Values

13:50

Dropping Duplicates

0:50

(Demo) Dropping Duplicates

7:16

Formatting Data Types

5:36

(Demo) Formatting Data Types

9:03

[Quiz] Practical pandas - Cleaning Data

Overview of Applying Custom Functions

0:25

Applying Custom Functions

12:53

(Demo) Applying Custom Functions

6:32

[Quiz] Practical pandas - Applying Custom Functions

Overview of Performing Advanced Aggregations

1:19

Customized GroupBy

3:18

(Demo) Customized GroupBy

7:01

Introduction to Pivot Table

1:32

Pivot Table

8:06

(Demo) Pivot Table

9:02

Cross Tabulation

4:37

(Demo) Cross Tabulation

4:09

[Quiz] Practical pandas - Performing Advanced Aggregations

Overview of Concatenating and Joining Tables

0:30

Concatenating and Joining Tables

3:42

Concatenating Tables

2:41

(Demo) Concatenating Tables

3:18

Joining Tables

7:12

(Demo) Joining Tables

4:31

[Quiz] Practical pandas - Concatenating and Joining Tables

Introducing to Practical pandas Practice

1:06

Recap + Congratulations!

8:48

SECTION_TITLE.FAQS

Q:

วิธีขอใบเสนอราคาและใบแจ้งหนี้ในนามนิติบุคคล

A:

หากต้องการใบเสนอราคาและใบแจ้งหนี้ในนามนิติบุคคลสามารถส่งรายละเอียดดังนี้

  • คอร์สที่สนใจและจำนวนผู้เรียน
  • ชื่อ-นามสกุล, เบอร์โทรผู้ติดต่อ
  • ชื่อ-ที่อยู่บริษัท, เลขประจำตัวผู้เสียภาษี
  • จำนวนภาษีหัก ณ ที่จ่าย (ถ้ามี)

มาที่ hello@skooldio.com โดยใช้ระยะเวลาดำเนินการไม่เกิน 1 วันทำการ (จันทร์-ศุกร์)

A:

สามารถทำได้ โดยในหน้าคำสั่งซื้อ กดเครื่องหมายถูกในช่อง "ต้องการออกใบกำกับภาษี/ใบเสร็จรับเงิน" จากนั้นเลือก "นิติบุคคล/บริษัท" และคำสั่งซื้อจะมีการหักภาษี ณ ที่จ่าย 3% โดยอัตโนมัติ ในกรณีบริษัทของท่านไม่ใช่ 3% กรุณาส่งรายละเอียดที่ต้องการสั่งซื้อมาที่ hello@skooldio.com

A:

กดเครื่องหมายถูกในช่อง "ต้องการออกใบกำกับภาษี/ใบเสร็จรับเงิน" ในหน้าชำระเงินและเลือกประเภทบุคคลทั่วไปหรือนิติบุคคล และกรอกรายละเอียด

A:

สำหรับคอร์สที่ซื้อในนามบุคคลทั่วไป คอร์สมีอายุตลอดชีพ สำหรับคอร์สที่ซื้อในนามนิติบุคคล สามารถกลับมาเรียนซ้ำได้ภายใน 1 ปี

A:

หลังจากได้รับใบกำกับภาษีแล้ว หากต้องการแก้ไขข้อมูล สามารถทำได้ภายใน 7 วัน นับจากวันที่ได้รับใบกำกับภาษีแบบเต็มรูปทางอีเมล โดยสามารถแก้ไขข้อมูลได้เฉพาะ ชื่อ-นามสกุล เลขประจำตัวผู้เสียภาษีและที่อยู่เท่านั้น จะไม่สามารถแก้ไขข้อมูลคำสั่งซื้อได้

คอร์สอื่นๆ ที่ผู้ซื้อคอร์สนี้สนใจ