Curso Scientific Python for Experienced Developers

  • Data Science Analytic

Curso Scientific Python for Experienced Developers

24 horas
Visão Geral

O Curso Scientific Python for Experienced Developers, ensina aos programadores Python como usar Python para manipulação de dados, estatísticas, gráficos e outras operações.

Objetivo

Após realizar este Curso Scientific Python for Experienced Developers você será capaz de:

  • Use benchmarks e perfis para acelerar programas
  • Processar XML e JSON
  • Manipule matrizes com NumPy
  • Descubra a diversidade dos subpacotes SciPy e como utilizá-los em suas aplicações
  • Use notebooks Jupyter para cálculos ad hoc, gráficos e cenários hipotéticos
  • Importe e analise dados com pandas
  • Crie uma ampla variedade de gráficos de dados com matplotlab
  • Manipular imagens com PIL
  • Resolva equações com SymPy
Pre-Requisitos
  • Os alunos devem se sentir confortáveis ​​escrevendo tarefas básicas em Python e conceitos de programação, incluindo entrada/saída de arquivos e criação de classes. 
Materiais
Inglês/Português/Lab Prático
Conteúdo Programatico

Introduction

Python Refresher

  1. Data types
  2. Sequences
  3. Mapping types
  4. Program structure
  5. Files and console I/O
  6. Conditionals
  7. Loops
  8. Builtins
  9. Classes

Pythonic Idioms

  1. Small Pythonisms
  2. Lambda functions
  3. Sorting
  4. Packing and unpacking sequences
  5. List Comprehensions
  6. Generator expressions

XML and JSON

  1. Using ElementTree
  2. Creating a new XML document
  3. Parsing XML
  4. Finding by tags and XPath
  5. Parsing JSON into Python
  6. Parsing Python into JSON

Jupyter

  1. Jupyter basics
  2. Terminal and GUI shells
  3. Creating and using notebooks
  4. Saving and loading notebooks
  5. Ad hoc data visualization

Developer Tools

  1. Debugging applications
  2. Benchmarking code
  3. Profiling applications

NumPy

  1. NumPy basics
  2. Creating arrays
  3. Indexing and slicing
  4. Large number sets
  5. Transforming data
  6. Advanced tricks

SciPy

  1. The Python scientific stack
  2. What can SciPy do?
  3. Getting help
  4. Where to find things
  5. What is available?

A Tour of SciPy Subpackages

  1. Clustering
  2. Physical and mathematical constants
  3. FFTs
  4. Integral and differential solvers
  5. Interpolation and smoothing
  6. Input and output
  7. Linear algebra
  8. Image processing
  9. Distance regression
  10. Root-finding
  11. Signal Processing
  12. Sparse matrices
  13. Spatial data and algorithms
  14. Statistical distributions and functions
  15. C/C++ Integration

Pandas

  1. Pandas overview
  2. Dataframes
  3. Reading and writing data
  4. Data alignment and reshaping
  5. Fancy indexing and slicing
  6. Merging and joining data sets

Matplotlib

  1. Creating a basic plot
  2. Commonly used plots
  3. Ad hoc data visualization
  4. Advanced usage
  5. Exporting images

The Python Imaging Library (PIL)

  1. PIL overview
  2. Core image library
  3. Image processing
  4. Displaying images

SymPy

  1. What is SymPy?
  2. What can it do for you?
  3. Creating variables
  4. Defining equations
  5. Solving equations
TENHO INTERESSE

Cursos Relacionados

Curso Fundamentos de Gerenciamento de Dados Mestres

16 horas

Curso Big Data Analyst Mineração de Dados

32 horas

Curso Técnicas de integração de dados ETL

16 horas

Curso Big Data Boot Camp Visão de Negócios

Curso Inteligência Artificial / AI Visão Geral

8 horas

Curso Oracle Fundamentos de Big Data

32 horas

Curso Fundamentos de Qualidade de Dados

16 horas

Curso Marchine Learning Com Hadoop

32 horas

Curso Python for Data Analysis

24 horas