Python alapozó képzés piackutatóknak – Lépj be a kódolás világába

Miért érdemes Python-t elsajátítani egy piackutatónak?

A Python programozási nyelv napjaink legnépszerűbb programozási nyelve. Egyszerű szintaxisa miatt könnyen tanulható és olvasható, ami lehetővé teszi a gyors fejlesztést és hibakeresést. Emellett széles körben támogatott és használt nyelv a különböző iparágakban, például az adatfeldolgozásban, a mesterséges intelligenciában, a webfejlesztésben és az automatizálásban.

Miért érdemes Python-ban grafikonokat készíteni?

Python népszerűségének másik titka, hogy rengeteg olyan adatvizualizációs csomagot fejlesztettek hozzá, aminek segítségével rendkívül látványos diagramok és animációk készíthetők.

Mit jelent az AI képzés?

Napjainkban a generatív AI technológiák (pl. chatGPT) a programozók hétköznapi munkájában jelentős segítséget nyújtanak. Képzésünkön megmutatjuk, hogyan lehet hatékonyan használni a chatGPT-t Python kódok írásakor.

Néhány érv, miért hasznos Pythonban programozni:

Adatkezelés és elemzés: A Python rengeteg eszközt és könyvtárat kínál (pl. Pandas, NumPy), amelyek segítségével nagy mennyiségű adat gyorsan és hatékonyan feldolgozható, elemezhető.
Automatizálás: A Python használatával rutinszerű feladatok (pl. adatgyűjtés, adatfeldolgozás, adatvizualizálás) automatizálhatók, ami időt takarít meg és növeli a hatékonyságot.
Adatvizualizáció: A Python erős adatvizualizációs könyvtárakkal rendelkezik (pl. Matplotlib, Seaborn, Vizzu), amelyekkel könnyen készíthetők látványos grafikonok és animációk.
AI támogatás: Python napjaink legnépszerűbb programozási nyelve. Ennek köszönhetően generatív AI modellek (chatGPT, Gemini) segítségével most könnyebb Python kódokat írni, mint eddig bármikor. A képzési anyag része annak bemutatása, hogyan tudunk chatGPT segítségével Python kódokat írni és értelmezni.

Kiknek szól a képzés?

Ez a 8 fős, offline Python alapozó képzés azoknak szól, akik még nem rendelkeznek előzetes Python tudással, de szeretnének belevágni a programozás világába. Az oktatás személyes jelenlétet igényel, és kérünk minden résztvevőt, hogy hozzon magával saját laptopot, mert a gyakorlati feladatokat ezen fogják megoldani.

Miért érdemes részt venni?

Ez az alapozó képzés ideális lehetőség arra, hogy elsajátítsd a Python alapjait, amely a programozás egyik legelterjedtebb nyelve. A kurzus során lépésről lépésre vezetünk végig a szükséges ismereteken, hogy magabiztosan tudj dolgozni ezzel a nyelvvel, és alapot adjunk a későbbi, haladó szintű tanuláshoz.

Vállalati képzések és egyedi ajánlatok cégeknek

Amennyiben céges csapatként szeretnétek részt venni a képzésen, egyedi árakat biztosítunk számotokra. Ezen felül lehetőség van arra is, hogy a képzést saját céges helyszínen tartsuk meg, így teljes mértékben az igényeitekhez igazítva biztosítjuk az oktatást.

Továbblépés: Expert képzés haladóknak

Azok számára, akik elvégzik az alapozó képzést, lehetőséget kínálunk egy haladó szintű, úgynevezett Expert képzésen való részvételre. Ez a kurzus kifejezetten olyanoknak szól, akik a meglévő tudásukat szeretnék továbbfejleszteni, akár személyes képzés keretében, akár céges csoportos formában, saját adatbázisra épülő projektek segítségével.

Fontos: Az alapozó képzés kezdőknek szól!

Ez a képzés kifejezetten azoknak készült, akik még nem rendelkeznek Python ismeretekkel. Amennyiben már van tapasztalatod a Pythonban, javasoljuk, hogy az Expert képzésre jelentkezz, ahol tovább mélyítheted tudásodat.

Mit tanulsz meg a képzés során?

A képzés végére nem csak a Python alapjait fogod magabiztosan használni, hanem képes leszel egy egyszerű, interaktív dashboardot is elkészíteni. Az alapvető programozási ismereteken túl betekintést nyújtunk a vizualizációs eszközök használatába, így a saját adataidat képes leszel egy jól áttekinthető, látványos formában prezentálni. Ez a tudás hasznos lehet, ha üzleti elemzéssel, adatelemzéssel vagy döntéstámogató rendszerek fejlesztésével szeretnél foglalkozni.

Képzési tematika

NRC CX kutatás real time python dashboard | Forrás: NRC CX Churn Research

A több napos képzés elsődleges célja, hogy a hallgatók elsajátítsák a Python programozási nyelv alapjait, illetve azokat a Python csomagokat, melyek segítségével látványos diagramok készíthetők.

Amikről szó lesz!

Milyen környezetben lehet Python kódokat írni? Anaconda és Jupyter bemutatása
Hogyan kezelünk különböző formátumú adatfájlokat? Szöveg, Excel és SPSS fájlok beolvasása és kiírása (import/export műveletek), címkék kezelése Python-ban
Python alapok – fontosabb adattípusok, ezeken alapműveletek, elágazó és ciklus utasítások ismertetése
Adattáblák hatékony kezelése – Pandas és Numpy csomag bemutatása. Mik a DataFrame-k és hogyan lehet ezeket feldolgozni beépített pandas és numpy függvényekkel?
Hogyan lehet függvényeket létrehozni és ezáltal gyakran ismétlődő feladatokat elvégzését optimalizálni?
Python adatvizualizáció – különböző adatvizualizációs csomagok bemutatása (Matplotlib, Seaborn, Bokeh, Vizzu) – az egyszerűbb diagramok elkészítésétől eljutunk bonyolult animációk elkészítéséig.

Minden tananyag két részből áll: (i) elméleti háttér bemutatása, (ii) gyakorlati megvalósítás Python-ban.

Minden oktatási nap végén egy házi feladat kerül kiosztásra, aminek megoldását a következő óra elején mutatjuk be.

1. fél nap (1 x 4 óra)

Tréning képzési tematika áttekintése, Python alapok bemutatása.

Elméleti háttér tanítása: Miről szól a képzés? Miért így épül fel a képzési tematika? Python fejlődésének történeti áttekintése, miért ennyire népszerű programozási nyelv, mik a legfontosabb könyvtárai a Python-nak. Python Jupyter notebook

Gyakorlati rész:

(i) Jupyter Notebook – hogyan dolgozzunk benne? Menüpontok áttekintése. Hogyan futtassuk a kódot és hogyan értelmezzük a hibaüzenetet? Mi az a kernel?
(ii) Adatok beolvasása különböző fájl típusokból – csv, Excel és SPSS? Címkék kezelése
(iii) Adatok tárolása változókban: legfontosabb adattípusok (int, float, bool, str, date), legfontosabb műveletek numerikus, string és dátum változókon
(iv) Bool változók és logikai operátorok. Mi a különbség az „=” és „==” között?
(v) Adatstruktúrák: (i) adatstruktúrák bemutatása (list, tuples, dict, set) – melyik mire jó, (ii) típusokhoz tartozó alapműveletek, (iii) típusok közötti konverzió
(vi) Hogyan írjunk és értelmezzünk Python kódot chatGPT-vel! Prompt írás alapjainak bemutatása.

Házifeladat: Alapfeladatok elvégzése különböző adattípusokon.

2. fél nap (1 x 4 óra)

Adattáblák Python-ban – DataFrame-ek és ezeken fontosabb műveletek.

Elméleti háttér tanítása: Mi a Pandas és NumPy csomag? Mik a DataFrame-ek? Milyen műveletek végezhetők el a DataFrame-eken?

Gyakorlati rész:

(i) Mik a DataFrame-ek?
(ii) Gyors alapstatisztikák egy DataFrame-ről – len(), shape, describe() és value_counts függvények bemutatása
(iii) Milyen típusa lehet egy mezőnek? Hogyan lehet megváltoztatni egy mező típusát?
(iv) Hogyan tudunk adatokat leválogatni? loc() és iloc függvények használata
(v) Hiányzó értékek detektálása és pótlása
(vii) DataFrame és más adattípusok (dict, list, …) kapcsolata. Hogyan tudunk létrehozni DataFrame-t más adatstruktúrából?
(viii) Hogyan tudunk aggregálni adattáblákat? Groupby függvény bemutatása
(ix) Mezőnevek átnevezése
(x) Rekordok sorbarendezése
(xi) Hogyan tudunk DataFrame műveleteket megadni chatGPT-ben?

Házifeladat: Adatelemzési feladatok az órán tanult függvények segítségével.

3-4. fél nap (2 x 4 óra)

Műveletek adattáblák között, adattáblák feldolgozása és átalakítása.

Elméleti háttér tanítása: Adattáblák összefűzésének (concat) és összekapcsolásának (merge) elméleti háttere

Gyakorlati rész:

(i) axis = 1 és axis = 0 függvény paraméter jelentése különböző utasításokban (oszlop és rekord szintű műveletek beállítása)
(ii) Táblák összekapcsolása merge utasítással
(iii) Táblák összefűzése concat utasítással
(iv) Új változók létrehozása (numerikus mezőből kategóriák létrehozása map függvény segítségével, szöveges mezők tisztítása, dátumok kezelése)
(v) Mi a lambda függvény és hogyan használjuk az adatok feldolgozásánál?
(vi) Idősor adatok feldolgozása: rekordok közötti hivatkozások és műveletek (shift, rolling és expanding függvények)
(vii) Adatfeldolgozás és adatelemzés automatizálása függvények segítségével, saját adatfeldolgozó függvény-csomagok kialakítása
(viii) Hogyan dolgozzuk fel az adatokat chatGPT segítségével? Néhány praktikus prompt bemutatása!

Házifeladat: Képzett változók létrehozása az órán tanult műveletekkel, ezek automatizálása függvények segítségével.

5. fél nap (1 x 4 óra)

Adatvizualizáció Pythonban I.

Elméleti háttér tanítása: Adatvizualizációs csomagok bemutatása (matplotlib, seaborn).

Gyakorlati rész:

(i) Milyen adatokon lehet diagramokat készíteni? Hogyan jelöljük ki a tengelyeket? Idősor diagramoknál hogy tudjuk használni az index oszlopot?
(ii) Diagramok készítése matplotlib csomagban (vonaldiagran, plot, histogram, distribution),
(iii) Dátum mező kezelése a diagramoknál
(iv) Tengelyek formázása
(v) Speciális diagramok készítése Seaborn csomagban
(vi) Diagramok készítése és mentése chatGPT-ben! Hogyan formázzuk a diagramokat chatGPT segítségével?

Házifeladat: Az előző órán elkészített feldolgozott adatbázison különböző diagramok elkészítése.

6. félnap( 1 x 4 óra)

Storytelling animációk készítése Python-ban.

Elméleti háttér tanítása: A vizzu csomag bemutatása, illetve hogyan lehet történetet mesélni adatokkal? (storytelling elméleti háttere)

Gyakorlati rész:

(i) Hogyan installáljuk a vizzu csomagot?
(ii) Hogyan alakítsuk át az adatokat?
(iii) Hogyan készítsünk diagramokat vizzu-ban?
(iv) Hogyan készítsünk összetett storytelling animációkat vizzu-ban?
(v) Hogyan osszuk meg az elkészült animációkat másokkal?
(vi) Hogyan tudunk animációkat készíteni chatGPT segítségével?

Az oktató

Kovács Gyula több mint 25 éve foglalkozik adatelemzéssel, több hazai pénzintézetnél volt data science vezető. 2021 óta tanácsadó, tréner, legnagyobb hazai vállatoknak készít adatelemzéssel kapcsolatos tréningeket. Tréningjeinek célja az adatelemzés humán faktorának bemutatása, adatkommunikációs képességek fejlesztése. Python képzései gyakorlatorientáltak, érdekes estetanulmánykon keresztül mutatja be a Python programozási nyelv képességeit.

A képzések ideje

Március 14. - 13:30-17:30
Március 21. - 13:30-17:30
Március 28. - 13:30-17:30
április 4. - 13:30-17:30
Április 25. - 13:30-17:30
Május 2. - 13:30-17:30

Új képzés indulása 2025. február végén várható… pontos részleteket később tesszük közzé…

A képzések díja

240.000 Ft + ÁFA / fő

A képzések helyszíne

NRC (oktató terem), 1034 Budapest, Kenyeres utca 28.

Jelentkezés