Python for Data Analysis

Bạn có được gì sau khoá học?

 

  • Làm quen với Python, hiểu cách xây dựng “con đường học tập” cho riêng bạn
    • Làm quen với bộ công cụ học tập & sử dụng hàng ngày với Python
    • Phương pháp tự học & khám phá thêm thế giới Python sau khoá học
    • Các nguồn tài liệu & cách sử dụng
    • Giới thiệu những ứng dụng cụ thể của python trong công việc
  • Xử lý dữ liệu cơ bản với Python:
    • Sử dụng cơ bản Pandas để xử lý các dạng dữ liệu
    • Khai phá dữ liệu với Dataprep, Sweetviz
    • Biểu diễn dữ liệu cơ bản với: Plotly, Altair, Seaborn, Matplotlib
  • Xây dựng report/dashboard cơ bản
    • Task schedule, kết nối dữ liệu tự động
    • Tương tác với báo cáo ít công sức nhất
    • Gửi báo cáo tự động
  • Viết một số ứng dụng/bot quản lý công việc của bạn
    • Alert bot: spending alert, trends hunter, news scraping, vv
    • Budget management bot
    • Report scheduling qua Telegram/Slack/Microsoft Team
  • Tận dụng dữ liệu trên internet với Web Scraping cơ bản: extract, transform, export.
Category:

Description

I. GIỚI THIỆU KHOÁ HỌC

1.1. Ai là người thích hợp tham gia khoá học này?

  • Công việc hàng ngày liên quan đến xử lý, phân tích dữ liệu lớn (nhất là với ecommerce và app marketing), đến từ nhiều nguồn khác nhau mà các công cụ phân tích thông thường như Excel, Data Studio, vv trở nên kém hữu dụng, chậm chạp hoặc không phản hồi. Bạn đã bao giờ mở file excel nặng vài trăm MB thậm chí vài GB và ngồi chờ mòn mỏi để Excel load được những dòng dữ liệu đầu tiên chưa? Bạn cần kết nối nhiều nguồn/định dạng dữ liệu (database, facebook ads, google ads, tiktok, cốc cốc, appsflyer, file csv, vv ) và phải làm công việc tay chân đi download chúng quá mất thời gian để xử lý? Bạn muốn xây dựng report/dashboard để theo dõi hiệu quả chiến dịch của mình 1 cách tiện lợi, ít công sức nhất?
  • Người mới bắt đầu học python, mơ hồ với cách bắt đầu hoặc muốn bỏ cuộc vì chán nản. Sự thực là ai cũng từng nghe về Python và tính ứng dụng của nó trong hàng tỉ tỉ thứ fancy, thậm chí liên quan đến công việc của mình nhưng để làm chủ Python không hề đơn giản với những “tấm chiếu mới” như bạn. Nhiều bạn tham gia các khoá học tại trung tâm uy tín nhưng học xong vẫn trả hết chữ cho thầy mà không ứng dụng được do việc dạy học đại trà, thiếu tính ứng dụng và mục đích cụ thể cho công việc. Có nhiều bạn tự học và choáng ngợp với vô số khoá học online, tài liệu trên internet kể cả miễn phí lẫn trả phí nhưng vẫn quá chán nản và muốn bỏ cuộc. Đôi khi, việc học được thông suốt chỉ với người hướng dẫn giúp bạn gỡ rối những khúc mắc trong quá trình học, khơi dậy đam mê học tập trong bạn và chỉ cho bạn những công cụ được tạo ra nên được ứng dụng như thế nào.
  • Mac users: Người dùng máy tính Mac không có nhiều lựa chọn về công cụ phân tích dữ liệu, ngay cả phiên bản Excel trên Mac cũng khó sử dụng, thiếu add-in so với phiên bản Windows. Phần lớn người làm digital marketing, data sử dụng máy tính Windows vì các ứng dụng được hỗ trợ cho phân tích dữ liệu rất đa dạng trong đó phải kể đến Microsoft Power BI. Sử dụng python giúp Mac users vừa có thể sử dụng Macbook yêu thích vừa có trong tay công cụ phân tích dữ liệu mạnh mẽ, giải quyết được bất cập của hệ điều hành này trong yêu cầu công việc của bạn.

 

1.2. Bạn có được gì sau khoá học?

 

  • Làm quen với Python, hiểu cách xây dựng “con đường học tập” cho riêng bạn
    • Làm quen với bộ công cụ học tập & sử dụng hàng ngày với Python
    • Phương pháp tự học & khám phá thêm thế giới Python sau khoá học
    • Các nguồn tài liệu & cách sử dụng
    • Giới thiệu những ứng dụng cụ thể của python trong công việc
  • Xử lý dữ liệu cơ bản với Python:
    • Sử dụng cơ bản Pandas để xử lý các dạng dữ liệu
    • Khai phá dữ liệu với Dataprep, Sweetviz
    • Biểu diễn dữ liệu cơ bản với: Plotly, Altair, Seaborn, Matplotlib
  • Xây dựng report/dashboard cơ bản
    • Task schedule, kết nối dữ liệu tự động
    • Tương tác với báo cáo ít công sức nhất
    • Gửi báo cáo tự động
  • Viết một số ứng dụng/bot quản lý công việc của bạn
    • Alert bot: spending alert, trends hunter, news scraping, vv
    • Budget management bot
    • Report scheduling qua Telegram/Slack/Microsoft Team
  • Tận dụng dữ liệu trên internet với Web Scraping cơ bản: extract, transform, export.

1.1. Why Python for Data Analysis

1.2. Learning Path

1.3. Essential Python Libraries

1.4. Installation & Setup

1.4.1. Getting to know your tools

1.4.1.1. Anaconda
1.4.1.2. Pip
1.4.1.3. Code Editor
1.4.1.4. Jupyter Notebook
1.4.1.5. Jupyter Lab
1.4.1.6. Google Colab

1.4.2. Hand-on installation

1.4.2.1. Local Machines
  • Macbook
  • Windows
  • Linux
1.4.2.2. Python everywhere
  • Google Colab Notebook
  • Raspberry Pi (Optional)
  • Android devices (Optional)

2. Python Basics: Built-in Data Structures, Functions, and Files

2.1. Data Structures and Sequences

2.2. Functions

2.3. Files and the Operating System

3. Numpy Basics: Arrays and Vectorized Computation

3.1. Advanced Numpy

4. Getting Started with Pandas

4.1. Introduction

4.2. Essential Functionality

4.3. Advanced Pandas (Optional)

5. Data Loading, Storage, and File Formats

5.1. Loading your Dataset

5.1.1. Text Formats

5.1.2. Binary Data Formats: HDF5, Excel

5.1.3. Database

5.1.4. APIs

5.1.5. Google Sheets

5.1.6. XML, HTML: Web Scraping

5.2. File I/O

6. EDA Analysis: Understand your dataset

6.1. Dataprep

7. Data Cleaning & Preparation

7.1. Handling Missing Data

7.2. Data Transformation

7.3. String Manipulation

Understand Regex

8. Data Wrangling: Join, Combine, and Reshape

8.1. Combining & Merging Datasets

8.2. Reshaping & Pivoting

9. Plotting and Visualization

9.1. Visualization theory

9.2. Plot Types

9.2.1. Histograms & Density Plots

9.2.2. Line Plots

9.2.3. Bar Plots

9.2.4. Scatter or Point Plots

9.2.5. Facet Grids and Categorical Data

9.2.6. Multiple Plots

9.3. Plotly

9.4. Altair

9.5. Seaborn

9.6. Matplotlib (Optional)

10. Data Aggregation & Group Operations

10.1. Group By

10.2. Pivot Table & Cross-Tabulation

11. Time Series

11.1. Date and Time Data Types & Tools

11.2. Time Series Basics

11.3. Date Ranges, Frequencies, and Shifting

11.4. Time Zone Handling

11.5. Periods and Period Arithmetic

11.6. Resampling & Frequency Conversion (Optional)

11.7. Moving Window Function (Optional)

12. Python Digital Marketing Automation Projects

12.1. Build your own Dashboard

12.2. Ads Campaign Management

12.3. Web scraping

12.4. Automation Stuff

13. Advance Libraries

13.1. Virtual Environment

13.2. YAML

13.3. Sweetviz

14. Resource

14.1. Kaggle

14.2. Google Colab

14.3. Plotly

14.4. Seaborn

14.5. APIs Collection

  • Facebook Business API
  • Google Adwords API
  • Coc Coc API
  • Apple Search Ads API
  • Tiktok API
  • Appsflyer API
  • Google Sheet API
  • Youtube API
  • Instagram Business API
  • Telegram API
  • Slack API

Reviews

There are no reviews yet.

Be the first to review “Python for Data Analysis”

Your email address will not be published. Required fields are marked *