Python adatvizualizációs AI képzés – 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 dashboardok
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, online Python alapozó képzés azoknak szól, akik még nem rendelkeznek előzetes Python tudással, de szeretnének belevágni a programozás világába. Az oktatás aktív jelenlétet igényel és gyakorlati feladatokat is tartalmaz.

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?
Speciális piackutatási feladatok elkészítése – kvótázó algoritmus, maszkoló algoritmusok fejlesztése
Python adatvizualizáció – különböző adatvizualizációs csomagok bemutatása (Matplotlib, Seaborm,) – az egyszerűbb diagramok elkészítésétől eljutunk bonyolult animációk elkészítéséig.
BI riportok készítése Python-ban – milyen BI riport készítő csomagok vannak, hogyan lehet gyorsan BI riportokat készíteni chatGPT segítségével?

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. félnap (1 x 4 óra)

Adatelemzés Pythonban

Elméleti háttér tanítása: Adatelemzési és statisztikai csomagok bemutatása

Gyakorlati rész:

Hogyan tudunk sav fájlokat beolvasni Pythonban?
Hogyan készítsünk kereszttáblákat? Statisztikai mutatók számítása és kereszttáblák formázása
Hogyan tudunk sok fájlt egyszerre beolvasni és idősoros elemzéseket készíteni?
PowerPoint-ban adatok frissítése Python script-el

Házifeladat: Különböző kereszttáblák készítése és vizualizációja

4. félnap (1 x 4 óra)

Tipikus piackutatási transzformációk elkészítése

Elméleti háttér tanítása: NLP elmélet bemutatása, Spacy és HuSpacy csomagok bemutatása.

Gyakorlati rész:

Privát adatok maszkolása. Hogyan tudunk nem publikus adatokat kitörölni szabadszöveges adatokból? Egy NLP alapú algoritmus bemutatása
Hogyan készíthető kvótázó algoritmus Python-ban?
Táblák transzformációja

Házifeladat: Egy adattisztító algoritmus fejlesztése

5. félnap (1 x 4 óra)

Adatvizualizáció Pythonban

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)

Dashboardok készítése Python-ban

Elméleti háttér tanítása: Leggyakrabban használt BI készítő Python csomagok bemutatása (Streamlit, Dash, Bokeh, Panel)

Gyakorlati rész:

Milyen Python csomagok vannak dashboardok készítésére (Streamlit, Plotly, Bokeh és más csomagok bemutatása)
Hogyan készítsünk egyszerű Streamlit dashboardot chatGPT promptok írásával 5 perc alatt?
Streamlit-Python kódok rövid bemutatása – hogyan lehet 15 soros kódokkal látványos dashboardokat készíteni programozói tudás nélkül?
Hogyan tudunk bonyolultabb dashboardokat készíteni chatGPT segítségével? Mennyire tudjuk testre szabni a Plotly és Bokeh diagramokat?
Hogyan tudjuk megosztani másokkal az elkészített dashboardokat?
Különböző csomagok összehasonlítása

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

A képzések díja

240.000 Ft + ÁFA / fő

A képzések helyszíne

Online

Jelentkezés