Visão Geral

Nosso curso de treinamento de pandas avançado visa levá-lo além do básico e visa ajudar analistas, pesquisadores, especialistas em BI e desenvolvedores.

Você aprenderá os recursos mais avançados da biblioteca de pandas para Python e obterá as melhores práticas para fatiar dados complexos.

Usando exemplos interativos e exercícios práticos, este minicurso imersivo ajudará você a desenvolver soluções de pandas mais eficientes, portanto, presumiremos que você tenha alguma familiaridade com os pandas e seus conceitos principais

Objetivo

Após concluir o curso Advanced Data Analysis with Pandas, você será capaz de:

• Mergulhe profundamente nos tipos de dados de pandas
• Práticas recomendadas de transformação de dados complexos
• Modelagem de dados eficiente, pipelines, slicing & dicing e muito mais...

Publico Alvo

• Quants, analistas, profissionais de BI, cientistas de dados, desenvolvedores e pesquisadores que usam a biblioteca pandas para análise de dados.
  

Pre-Requisitos

• Os delegados já devem entender o básico dos pandas e gostariam de levar seus conhecimentos para o próximo nível. Este é um curso mais adequado para “iniciantes avançados” ou usuários intermediários de pandas, que desejam dominar as melhores práticas.
  

Informações Gerais

•   Carga Horária: 16h
• Se noturno este curso é ministrado de Terça-feira à sexta-feira, das 19h às 23h
• Se aos sábados este curso é ministrado das 9h às 18h
• Se in-company por favor fazer contato para mais detalhes.

Formato de entrega:

• 100% on-line ao vivo, via Microsoft Teams na presença de um instrutor/consultor ativo no mercado.
• Nota: não é curso gravado.

Lab:

• Laboratório + Exercícios práticos 

Materiais

Conteúdo Programatico

1. Efficient data modelling
2. Deep-dive into pandas data types
3. Choosing data types when loading the data
4. Data type conversions
5. Best practices to improve your memory usage when dealing with larger data sets
6. Efficient data pipelines
7. Understanding immutability
8. Method chaining to improve readability
9. Best practices to develop and maintain complex data transformation and query pipelines
10. Efficient slicing and dicing
11. Complex aggregations (groupby) on multiple columns
12. Mastering the hierarchical (multi-level) index
13. Index stacking and unstacking
14. Pivoting and reshaping
15. Beyond pandas – Exploring the pandas ecosystem
16. Overview and examples of usage of other libraries built on top of pandas to address specific needs in data preparation, data analysis and data visualisation