THÀNH THẠO XỬ LÝ DỮ LIỆU VỚI PYTHON - 2023
Giá gốc:
1.500.000
đ
Giảm giá:
81%
Giá bán:
299.000
đ
Mã Khóa Học:
UCNT99
Sở Hữu Khóa
Học :
Trọn Đời
Đơn hàng được xác nhận tự động. Nhận
khoá học qua Drive trong 30s khi
thanh
toán thành công!
Admin Support Zalo 24/7 Hà Thanh Hoài - 0888
999 857
-
(2145 Đã Mua)
Giới Thiệu Khóa Học
Link tìm hiểu khóa học: https://unica.vn/xu-ly-du-lieu-nhu-mot-data-analyst-voi-python-tu-so-0-trong-9-ngay-updated-2023-v2
Bạn có biết:
Chi Tiết Khóa Học
Phần 1: Giới thiệu về Python
Bài 1 : Welcome to class & Câu chuyện tập đoàn TARGET
Bài 2 : Cài đặt Vscode, Anaconda
00:11:15
Bài 3 : Lưu ý nhỏ về khóa học
Bài 5 : Làm việc với số và biến
Bài 6 : Làm việc với chuỗi
00:06:07
Bài 7 : Indexing và Slicing cho chuỗi
00:11:51
Bài 8 : String functions
00:12:21
Bài 9 : Toán tử so sánh & hàm Input
00:11:31
Bài 10 : Giải bài tập buổi 1
00:14:13
Phần 2: Buil-in Data Structure & Control Flow Statements
Bài 11 : List & List Indexing, Slicing
00:09:45
Bài 12 : List functions
00:10:21
Bài 13 : Dictionary
00:08:51
Bài 14 : Thử thách cho bạn
00:05:29
Bài 15 : Tuple và Set
00:10:00
Bài 16 : Câu điều kiện if-else
00:08:56
Bài 17 : Vòng lặp For
00:21:20
Bài 18 : Vòng lặp While và Break, Continue, Pass
00:09:22
Bài 19 : Giải bài tập buổi 2
00:35:20
Phần 3: Control Flow Statements (tiếp theo) và Function
Bài 20 : Slide - Câu chuyện về công ty Blue Apron
00:08:45
Bài 21 : Hàm Zip & In, Not In
00:11:00
Bài 22 : Thư viện random & hàm Join
00:08:30
Bài 23 : List comprehensive
00:08:09
Bài 24 : Function
00:15:51
Bài 25 : Bài tập nhỏ
00:06:06
Bài 26 : Hàm ẩn danh Lambda
00:12:36
Bài 27 : Sử dụng Try, Except để xử lý lỗi
00:03:57
Bài 28 : Giải bài tập buổi 3
00:36:49
Phần 4: Xử lý dữ liệu lớn với Pandas
Bài 29 : Slide - giới thiệu về Pandas
00:04:24
Bài 30 : Xem tổng quan dữ liệu
00:19:39
Bài 31 : Chọn Trường & Filter
00:11:20
Bài 32 : Hàm Loc
00:14:20
Bài 33 : Hàm Iloc
00:13:29
Bài 34 : Các Aggregation function
00:11:59
Bài 35 : Nối (Concat) nhiều dataframe
00:06:54
Bài 36 : Merge
00:10:08
Bài 37 : Các phép toán với trường & save file
00:08:14
Bài 38 : Group by
00:12:48
Bài 39 : Pivot table
00:06:50
Bài 40 : Apply
00:14:38
Bài 41 : Làm việc với Time series
00:13:19
Bài 42 : Giải bài tập buổi 4 - Restaurant lab
00:23:47
Bài 43 : Giải bài tập buổi 4 - Titanic lab
00:25:44
Bài 44 : Giải bài tập buổi 4 - Titanic for fun
00:16:34
Phần 5: Làm sạch dữ liệu với Pandas
Bài 45 : Chuyển đổi kiểu dữ liệu cho các trường dữ liệu
00:11:10
Bài 46 : Làm việc với thiếu dữ liệu - phần 1
00:11:49
Bài 47 : Làm việc với thiếu dữ liệu - phần 2
00:05:22
Bài 48 : Làm việc với thiếu dữ liệu - phần 3
00:05:24
Bài 49 : Làm việc với dữ liệu bị lặp
00:05:40
Bài 50 : Outlier và cách xác định outlier bằng phương pháp IQR
00:15:02
Bài 51 : Giải bài tập buổi 5 - Kickstarter lab
00:30:31
Phần 6: Trực quan hóa dữ liệu với Matplotlib và Seaborn
Bài 52 : Slide - Tại sao chúng ta cần phải Trực quan hóa dữ liệu?
Bài 53 : Chart đầu tiên
00:21:17
Bài 54 : Chart thứ 2 và chỉ số Pearson
00:13:38
Bài 55 : Chart thứ 3 và bar label
00:13:23
Bài 56 : Chart thứ 4
00:17:27
Bài 57 : Vẽ nhiều chart với hàm subplot
00:12:21
Bài 58 : Vẽ nhiều kiểu biểu đồ trên một chart với hàm twinx
00:06:11
Bài 59 : Thay đổi style biểu đồ & hàm Plot
00:07:41
Bài 60 : Giải bài tập buổi 6 - Bicycle lab
00:56:26
Phần 7: Numpy
Bài 61 : Slide - Cách làm giàu bằng lý thuyết thống kê
00:12:36
Bài 62 : Giới thiệu về numpy và tạo mảng đơn giản
00:13:14
Bài 63 : Concatenate & Reshape mảng
00:05:29
Bài 64 : Thêm chiều cho mảng
00:05:28
Bài 65 : Transposing, Indexing, slicing
00:15:43
Bài 66 : Filter & các phép toán với mảng
00:02:26
Bài 67 : Phép tích vô hướng & Phép nhân ma trận
00:05:05
Bài 68 : Aggregate functions
00:04:04
Bài 69 : Broadcasting
00:12:58
Bài 70 : Giải bài tập buổi 7
00:30:06
Phần 8: Machine learning với model Linear Regression
Bài 71 : Slide - Machine learning là gì?
00:10:37
Bài 72 : Model Linear Regression
00:19:08
Bài 73 : Case 1: Train model với một feature
00:22:05
Bài 74 : Case 2: Train model với nhiều feature
00:05:38
Bài 75 : Case 3: Sử dụng MinMaxScaler
00:06:43
Bài 76 : Case 4: Polinomial Feature - phần 1
00:15:24
Bài 77 : Case 4: Polinomial Feature - phần 2 & Bài tập buổi 8
00:07:57
Phần 9: Machine learning với model Logistic Regression
Bài 78 : Pre-processing data
00:11:46
Bài 79 : Model Logistic Regression
00:08:41
Bài 80 : Train model
00:05:14
Bài 81 : Đánh giá hiệu suất model Classification
00:25:06
Bài 82 : Cải thiện model & Phương pháp Oversampling với SMOTE & Bài tập buổi 9
00:16:21
Bài 83 : Bonus & Lời chào
