トラック Preparation for Data Science - 修了証付きオンライン学習

Preparation for Data Science

Intermediate

4.6

1595 reviews

19k+ Learners

Track curriculum encompasses a collection of pivotal courses that provide foundational knowledge and skills essential for a successful journey in the …

219

Chapters

Learning hours

185

Assignments

AI Assistant

Shareable Certificate

成果

Track content

Related courses and projects

推薦の声

特徴

価格

成果

Track content

Related courses and projects

推薦の声

特徴

価格

Learning track content

What is Data Science?

Numpy in a Nutshell

Pandas First Steps. Advanced Techniques in Pandas

Probability Theory Basics

Learning Statistics with Python

Probability Theory Mastring

In this section we will get acquainted with what the NumPy library is, as well as learn how to create an array.

What is NumPy?

Function array()

Basic Array Creation Quiz

In this section we will get acquainted with arrays of different dimensions, and understand the difference between them.

1-D Arrays

Mathematical Operations with 1-D Arrays

2-D Arrays

3-D Arrays

Multidimensional Arrays Quiz

In this section we should recall what slices are and learn how to make them for arrays of different dimensions. We shall also learn to refer to elements in an array using their indexes.

Access Array Elements

Match Math Operations

Access 2-D and 3-D Arrays

Match the Slicing

Negative Indexing

Match the Indices

Get One Dimensional Array Using Slice and Only Positive Indexes

Get One Dimensional Array Using Only Negative Indexes

In this section we will learn how to reshape arrays and also how to concatenate an array. Moreover we will learn how to sort an array. Also we will learn about such an interesting method that is often used for arrays, namely: copy().

Creating NumPy Arrays

Manipulating and Indexing

Basic Statistical Operations

Linear Algebra Operations

Reshaping and Stacking

Saving and Loading Arrays to/from Files

pandasライブラリの基本を学びます。SeriesおよびDataFrameの作成と操作、その構造の探索、基本的なデータ操作の実践に自信を持つことができます。

CSVファイルおよびTXTファイルからデータを読み込み、管理する方法を習得します。pandasツールを使用してデータセットをインポートし、さらなる分析のために準備する実践的な経験を得られます。

データを効果的に探索、クリーンアップ、要約する方法を学びます。欠損値の処理方法、インサイトの抽出、pandasを用いた基本的な統計操作について理解します。

データの表示

クイズ：head()の使用

クイズ：head()、tail()、および sample()

このセクションでは、タイトルやインデックスによって特定の列を出力する方法を学びます。また、インデックスによって行を選択する方法についても理解を深めます。

Outputting Columns by Title

ここでは、特定の条件を持つデータを抽出する方法を学びます。また、それらを組み合わせる方法や独自の条件を作成する方法も学びます。

このセクションでは、さまざまなデータ条件の設定に関する知識を拡張します。データが定義された値のリスト内にあるか、2つの値の間にあるかを確認する方法を学びます。また、最大値と最小値を見つける方法についても学びます。

このセクションは、本コースの中でも特に興味深い内容の一つです。ここでは、データをさまざまな方法でグループ化する方法を学びます。特定のデータグループに関する情報を見つけるために、データアナリストとして役立つ知識を身につけることができます。

このセクションはデータアナリストにとって最も重要なものの一つです。なぜなら、データに不適切な形式の欠損値が含まれている場合、作業が不可能になるためです。ここでは、そのような不適切な値への対処方法を学びます。

Import and Export Files

Filtering the DataFrame

Grouping in Pandas

Data Cleaning

Merging in Pandas

Let's start with some basic definitions and concepts we'll use later. Consider the idea of a function, a numerical sequence, and its sum, and also understand what a coordinate system's basis is.

What is a Function?

What are Number Series?

Sum of Elements of The Series

Challenge: Calculating Sum of Geometric Progression

Vectors and Matrices

The simplest and most commonly used type of relationship is the linear relationship. Linear algebra is a branch of higher mathematics entirely devoted to linear functions and linear spaces. Let's look at some of the most important topics in linear algebra: vectors, matrices, solving linear equations, and solving the spectral problem for matrices.

Numerical Operations on Vectors and Matrices

Challenge: Calculate the Matrix Multiplication Result

Matrix Determinant

Scaling Factor of the Linear Transformation

Challenge: Figures' Linear Transformations

Inversed and Transposed Matrices

System of Linear Equations

Challenge: Solving the Task Using SLE

Eigenvalues and Eigenvectors

Mathematical analysis is a discipline that allows you to analyze functions according to various criteria. Consider how to check numerical sequences for convergence, find the maximum/minimum values of functions, solve nonlinear equations, and use integrals to solve applied problems.

Derivative of the Function

Partial Derivative of the Function

Challenge: Solving Task Using Derivative

Optimization Problem

Challenge: Solving the Optimisation Problem

Gradient Descent Method

Challenge: Optimising Function Of Multiple Variables

We will start our way of learning probability theory by considering some basic definitions and rules: what is a stochastic experiment and random event, what is independence and incompatibility of events in the context of probability theory, what is the probability and how can we calculate probabilities of different elementary events.

Stochastic Experiment and Random Event

Probability and It's Properties

Geometrical Probability

Challenge: Solving the Task Using Geometric Probability

Independence and Incompatibility of Random Events

Conditional Probability

In real-life tasks, we often have to deal with complex relationships and, as a result, calculate probabilities of several events or events that depend on each other. Let's consider how we can do this using probability theory.

Inclusion-Exclusion Principle

Challenge: Solving the Task Using Inclusion-Exclusion Principle

The Multiplication Rule of Probability

Law of Total Probability

Bayes' Theorem

Challenge: Solving the Task Using Bayes' Theorem

To solve many real problems in probability theory, special models have been created that describe a particular situation. Let's consider some of the most used models that can be used to describe some discrete results of stochastic experiments.

Binomial Distribution

Challenge: Solving Task Using Binomial Distribution

Multinomial Distribution

Geometric Distribution

Poisson Distribution

Challenge: Solving Task Using Poisson Distribution

What if the result of a stochastic experiment cannot be described by a discrete value? For this, models that work with continuous values are used. Consider the most popular of these models.

Continuous Uniform Distribution

Exponential Distribution

Challenge: Solving Task Using Exponential Distribution

Gaussian Distribution

Challenge: Solving Task Using Gaussian Distribution

Often we are faced with the task of checking the dependence of the results of different stochastic experiments on each other. Moreover, it is necessary not only to assess the presence of dependencies but also to somehow quantify the degree of dependencies. To solve these problems, we can use covariance and correlation.

What is Covariance?

What is Correlation?

Challenge: Solving the Task Using Correlation

Discover core statistical principles, including data types, measures of central tendency, and key differences between samples and populations.

Median Value of the Even Number of Values

Mean or Median

Mode Value

Descriptive Statistics Quiz

Learn to calculate and interpret mean, median, and mode using Python. Practice these operations with pandas to analyze real datasets.

Examine the Dataset

Calculating Mean and Median Values with Python

Statistics with pandas

Calculate the Mean and Median Salary

Understand how variance and standard deviation measure data spread. Learn to compute both manually and using Python tools.

Population Variance

Sample Variance

Calculate Variance with Python

Standard Deviation

Standard Deviation with Python

Calculating Variance and Standard Deviation

Explore how covariance and correlation describe relationships between variables. Practice calculating and comparing both metrics in Python.

Covariance

Correlation

Covariance and Correlation Quiz

Calculate Covariance and Correlation

Master confidence intervals to estimate population parameters. Use NumPy, pandas, and visualization libraries to calculate and interpret intervals with real data.

Explore the Data Set

Confidence Interval

Calculating Confidence Interval with Python

Confidence Interval Width Quiz

Calculate 95% Confidence Interval

Advanced Confidence Interval Calculation with Python

Match the Functions

Learn the fundamentals of hypothesis testing and the t-test. Understand how to design, perform, and interpret tests using Python to support data-driven decisions.

What is t-test

Hypotheses

t-test Mathematically

One-Tailed And Two-Tailed Test

t-test Assumptions

Performing a t-test in Python

Conduct a t-test

Paired t-test

Now we will understand some fundamental theoretical concepts which are used in solving real live tasks: absolutely continuous and discrete random variables, probability density function, cumulative distribution function, the characteristics of a random variable, etc.

Course Overview

Absolutely Continuous and Discrete Random Variables

Cumulative Distribution Functions and Probability Density Functions

Characteristics of Random Variables

Random Vectors

Useful Properties of the Gaussian Distribution

Challenge: Detecting Outliers Using 3-Sigma Rule

The limit theorems of probability theory are fundamental laws of probability theory that are often used in practice in a wide variety of areas, such as: building confidence intervals, estimating distribution parameters, providing A/B testings, creating ensembles of ML models, etc. Now we will consider two of the most commonly used: the Law of Large Numbers and the Central Limit Theorem.

Law of Large Numbers

Law of Large Numbers for Bernoulli Process

Challenge: Estimate Mean Value Using Law of Large Numbers

Central Limit Theorem

Challenge: Application of the CLT to Solving Real Problem

When we work with real data we usually do not know from which distribution this data was obtained. In order to determine this, we must be able to correctly estimate the parameters of this distribution and the type of distribution, which we will learn to do in this section.

General population. Samples. Population parameters.

Momentum estimation. Maximum Likelihood Estimation

Challenge: Estimate Parameters of Chi-square Distribution

Unbiased Estimation

Challenge: Checking Bias of An Estimation Using Simulation

Consistent Estimation

Efficient Estimation

Confidence Intervals for Population Parameters

Challenge: Confidence Interval for Exponential Distribution Parameter

We have already learned how to estimate the parameters of the population. But to estimate the parameter, we make an assumption about the population distribution. Can we say that our assumption is correct? How do we prove that the estimated parameters are the real parameters of the population? Can we show that two sets of samples are independent? To answer these questions, it is necessary to consider the concept of hypothesis testing.

What is Statistic Hypothesis? Type 1 and Type 2 Errors

What is P-value?

Comparing Means of Two Different Datasets

Challenge: Using CLT to Compare Mean Values of Non-Gaussian Datasets

Challenge: Resampling Approach to Compare Mean Values of the Datasets

Testing the Hypothesis of Independence of Two Random Variables

あなたのテックスキルを強化！

最大55％オフで

Features:

*Tracks not included in Pro plan

500+ 人気コース最先端のAIコパイロット

パーソナライズされた学習トラック40+ 実践的なプロジェクト

選択された割引イントロプランが終了する前にキャンセルしない場合、Codefinityが自動的に課金することを承認します $104 3か月ごと キャンセルするまで。キャンセルおよび返金ポリシーの詳細は、定期購読の条件.

Recommended Courses and Projects

Python入門

Pythonは高水準でインタプリタ型の汎用プログラミング言語です。HTML、CSS、JavaScriptなど主にウェブ開発で利用される言語とは異なり、Pythonはソフトウェア開発、データサイエンス、バックエンド開発など複数の分野でその多様性を発揮します。本コースでは、Pythonの基本的な概念を学び、プログラム終了時には独自の関数を作成できるスキルを身につけます。

Python Ninja

Python Ninjaコースへようこそ！この魅力的でインタラクティブなコースは、楽しく教育的なゲームを通じてPythonプログラミングの基礎を紹介するよう設計されています。あなたはNinjaを様々なチャレンジに導き、Pythonを使って動きを制御し、寿司のようなオブジェクトとやり取りします。基本から始めて、マップのナビゲート方法、寿司の拾い方や配置方法を学び、徐々に関数、ループ、条件分岐などのより複雑なプログラミング概念へと進みます。各章では実践的な演習を通じて学習を強化し、最後にはスキルを試すエキサイティングなチャレンジが待っています。完全な初心者からコーディングスキルを磨きたい方まで、このコースは包括的で楽しい学習体験を提供します。ぜひ参加して、コーディングNinjaになりましょう！

Pythonのデータ型

Pythonの主要なデータ型について確かな理解を身につけ、それらを効果的に扱う方法を学びます。数値、ブール値、文字列を実践的な演習や具体例を通じて探求します。基本的な操作を自信を持って行い、クリーンで効率的なPythonコードを書くための基礎的なスキルを養います。

Pythonデータ構造

Pythonプログラミング言語の基本的なデータ構造であるリスト、辞書、タプル、セットについて学び、これらを実際のプログラミング課題の解決に効果的に活用する方法を探求します。

Pythonループチュートリアル

Pythonのループをマスターする自信を身につけましょう。forループとwhileループの基本から始め、ネストされたループ、制御文、動的条件などの高度な概念へと進みます。実践的な演習と実例を通じて、効率的でクリーンかつ強力なコードを書くスキルを習得します。初心者やPythonの専門知識を磨きたい方に最適です。

Pythonの制御フロー

Pythonにおける条件分岐if-else演算子の微妙な違いを、明確な解説と実践的な例を通じて探求します。各概念を強化するハンズオン課題で理解を深め、より複雑な意思決定のためにif-elif-else文を効果的に使用する方法を学びます。

Python関数チュートリアル

関数がPythonプログラミングにどのような影響を与えるかについての確かな理解を得ることができます。関数の定義と呼び出し、引数の操作、戻り値の処理、再帰やラムダ式を用いた柔軟で効率的なコードの作成を習得します。

Pythonによる機械学習入門

機械学習は今やあらゆる場所で利用されています。自分で学びたいと思いませんか？このコースは、機械学習の世界への入門として、基本的な概念の習得、最も人気のあるMLライブラリであるScikit-learnの操作、そして最初の機械学習プロジェクトの構築を学ぶためのものです。このコースは、Python、Pandas、Numpyの基礎知識を持つ学生を対象としています。

NumPy基礎

Pythonの数値計算における最も重要なライブラリであるNumPyの可能性を最大限に引き出します。本コースは、NumPyの初心者レベルから上級レベルまでの習得を目指して設計されています。データサイエンティスト、エンジニア、研究者、開発者のいずれであっても、NumPyの習得は効率的なデータ操作、科学計算、機械学習に不可欠です。

Pythonにおける関数型プログラミングの概念

このコースでは、関数の引数、イテレータ、ジェネレータ、クロージャ、デコレータなどの高度なトピックを学習します。数多くの練習問題を通じて、これらのトピックを理解できます。

Python構造化プログラミング

Pythonのモジュールとインポートによる効率的なコード管理の実践的スキルを習得します。より信頼性の高いアプリケーションのための高度なエラーハンドリング技術をマスターし、ファイル操作の自動化をファイルハンドリングで実現し、PytestとUnittestによる堅牢なテスト戦略を学ぶことで、コードの完全性を確保します。

User Behavior Impact Analysis

In the world of business, making decisions based on hard data rather than intuition can be the key to success. This course focuses on one crucial technique: analyzing A/B test data. The centerpiece of the course is a project where you'll conduct a detailed analysis of an A/B test. This project, which you can showcase in your CV, is hosted on Codefinity, allowing you to continually refine it and demonstrate your growing expertise.

Discover more Learning Tracks

トラック

Unityによるゲーム開発

初心者

Adobeによるビデオプロダクション

初心者

UI/UXデザインツール

初心者

必須オフィススキル

初心者

デジタルマーケティングの基礎

初心者

完全なソーシャルメディア管理

初心者

ビジネスAIツールキット

初心者

ノーコードウェブサイト開発

初心者

DevOpsスペシャリスト

初心者

教師あり学習の基礎

初心者

Pythonゼロからヒーローへ

初心者

Cプログラミング基礎

初心者

なぜ人々はCodefinityを選ぶのか

Web Developer

Kwizera Mugisha

The teaching methodology at Codefinity is excellent, and I particularly appreciate how it has prepared me to handle real-world coding problems. Currently, I am delving into Node.js and eagerly anticipate building full-stack projects that integrate all the knowledge I have gained.

Senior Business Analyst

Sherry Barnes-Fox

My first course was 4 hours, I did it in a few days, "nugget-style". The instructions are very clear and easy to understand. There is even a hint to help you get the answer. I love the learning style that is used, it engages me.

Accounts Payable Specialist

Bill Wagner

I have really liked the browser-based lessons that allow me to code within the lesson. The RUN button allows me to test the code I write before submitting for a grade.

IT Support Specialist

Daniel Chinea

I have gained a lot of practical and logical thinking skills, along with patience for myself and confidence in myself that I can learn programming. Years ago, I would have never thought that I could learn programming in any way, shape or form, and I was able to obtain these certifications and skills with Codefinity.

Technology Project Manager

Steve Bruening

The learning was progressive and made it easy to follow along and make progress. I could feel my skills increasing and building on each other as the course went along.

Project Manager

Stephanie Chan

As I went through the first course of the Python track, I liked the way the course was lay out (in easy and digestible modules) with little exercises at the end of each concept.

Step-by-Step to Stellar Results

インタラクティブなコーディング環境

インタラクティブな環境に飛び込み、リアルタイムのフィードバックと成果指標を活用してコードを書き、実行しながら一歩ずつ学んでいきましょう。

AI搭載のサポート

内蔵のAIアシスタントを活用してエラーの説明、修正案の提示、あるいはコードに関するあらゆる質問に答え、生産性を保ち、詰まることなく作業を進めましょう。

Check your progress

各モジュールの締めくくりとしてクイッククイズを実施し、即時フィードバックを受け、進捗を確認し、主要な概念を確実に習得できたかチェックしましょう。

Promote your expertise

修了後に業界で認められた証明書を取得し、ワンクリックでLinkedInに共有して、あなたの実力を周囲に示しましょう。