Datová Analytika s Pythonem | Kurz pro začátečníky i pokročilé | robot_dreams
  • živý online kurz
  • start 27. 10. 2025
  • 10 lekcí
  • 8 týdnů

DATOVÁ ANALYTIKA S PYTHONEM: OD ZÁKLADŮ PO POKROČILÉ MODELY

Začni analyzovat, čistit a vizualizovat data spolehlivě a bez limitů tradičních nástrojů.

Jaroslav Mráz

Big Data Engineer / Data Scientist

Deutsche Telekom IT
7+ let zkušeností s datovou analytikou

O KURZU

  • Timeline

    říjen–leden

  • Čeká tě

    10 lekcí

  • Formát

    ŽIVĚ LEKCE

Během 10 lekcí se naučíš používat Python jako nástroj pro datovou analytiku – a to i bez předchozí znalosti programování. Osvojíš si práci s knihovnami Pandas a Numpy, vytvoříš vizualizace a získáš dovednosti v explorační analýze i čištění dat.

 

Seznámíš se se základy statistiky, naučíš se testovat hypotézy a pracovat se vzorky dat. Vyzkoušíš si postupy, jak efektivně zpracovávat i velké datasety a jak je připravit pro další analýzu.

 

Kurz zakončíš vlastním projektem, díky kterému si odneseš ucelený přehled moderní datové analytiky v Pythonu.

Kurz datové analytiky s Pythonem ocení zejména

LIDÉ PRACUJÍCÍ S SQL

S Pythonem rozšíříš možnosti práce s daty tam, kde SQL často nestačí. Umožní ti data nejen transformovat, ale i vizualizovat, psát přehledné funkce a mít celý kód centralizovaný a snadno udržovatelný.

DATOVÍ ANALYTICI V EXCELU

Získáš nástroj, který eliminuje chyby z manuální práce a umožní vytvářet přesné, opakovatelné postupy. Python je optimalizovaný i pro velké objemy dat, takže zvládneš analýzu efektivně a bez kompromisů.

UŽIVATELÉ PYTHONU SE ZÁJMEM O ANALYTIKU

Kurz ti doplní chybějící základy statistiky, explorační analýzy a čištění dat. Díky praktickým cvičením zvládneš celý analytický proces od přípravy dat až po jejich interpretaci.

 

Program

  • 0. lekce
    Pondělí 27. 10. 2025 17:30–19:00

    Příprava pracovního prostředí

  • 01. lekce
    Středa 29. 10. 2025 17:30–19:00

    Manipulace s dataframes pomocí Pandas

    • Odstranění, přidání, kopírování řádků a sloupců, přejmenování sloupců
    • Matematické operace se sloupci
    • Operace s řádky

    Praktická ukázka: Vytvoř a smaž sloupce, vypočti data ze zadaných hodnot.

  • 02. lekce
    Pondělí 3. 11. 2025 17:30–19:00

    Manipulace s dataframes pomocí Pandas 2

    • Práce s indexy

    Praktická ukázka: Manipulace s df pomocí indexů.

  • 03. lekce
    Středa 5. 11. 2025 17:30–19:00

    Úvod do statistiky

    • Souhrnné statistiky
    • Pravděpodobnost, náhodná čísla
    • Statistická rozdělení

    Praktická ukázka: Základní souhrnné statistiky u df.

  • 04. lekce
    Středa 26. 11. 2025 17:30–19:00

    Vizualizace

    • Vizualizace dat
    • Jak vizualizovat různé proměnné a datové typy
    • Jak získat základní přehled a odhalit odchylky
    • 3D interaktivní graf

    Praktická ukázka: Vytvoř grafy pro různé typy proměnných.

  • 05. lekce
    Středa 3. 12. 2025 17:30–19:00

    Explorační datová analýza

    • Seznámení s datasetem
    • Využití vizualizace
    • Detekce extrémních hodnot a chyb

    Praktická ukázka: Proveď explorační analýzu včetně vizualizace.

  • 06. lekce
    Středa 10. 12. 2025 17:30–19:00

    Čištění dat

    • Co udělat s extrémními nebo nesmyslnými daty
    • Jak opravit a doplnit data
    • Kdy je lepší data nepoužít

    Praktická ukázka: Proveď explorační analýzu včetně vizualizace s chybějícími daty.

  • 07. lekce
    Středa 17. 12. 2025 17:30–19:00

    Práce s výběry (vzorky populace)

    • Jak zjistit a zajistit, že je statistický vzorek opravdu reprezentativní
    • Problémy způsobené příliš malým množstvím dat

    Praktická ukázka: Spočítej parametry celé populace na základě statistického vzorku.

  • 08. lekce
    Středa 7. 1. 2026 17:30–19:00

    Testování statistických hypotéz

    • K čemu jsou hypotézy dobré a jak je testovat
    • Co znamená 95% interval spolehlivosti
    • Příklad na volbách

    Praktická ukázka: Udělej vlastní předvolební průzkum s fiktivními stranami.

  • 09. lekce
    Středa 14. 1. 2026 17:30–19:00

    Práce s velkým množstvím dat (big data)

    • Co dělat, když je dat tolik, že by práce s nimi trvala neúměrně dlouho nebo se ani nevešla na RAM
    • Jak udělat rozumně velký vzorek
    • Jak zajistit, aby byl vždy vybrán stejný vzorek – random.seed()
    • Redukce dimenzionality

    Praktická ukázka: Vyzkoušej si všechny předchozí operace na velkém df.

Lektor

Jaroslav Mráz

Big Data Engineer / Data Scientist, Deutsche Telekom IT

  • Působí jako Big Data Engineer / Data Scientist v Deutsche Telekom IT, kde se věnuje přípravě ETL procesů, reportů a analýze velkých datových sad. V oblasti dat má více než 7 let zkušeností.

  • Pracoval ve Vodafone, IDC i DCIT a získal zkušenosti od business intelligence přes databázové systémy až po datové inženýrství.

  • Podílel se na projektu predikce hodnot portfolia v pojišťovnictví a nyní se zaměřuje na strojové rozpoznávání obrazu pomocí machine learningu.

  • Je absolventem Fakulty informatiky a statistiky VŠE se specializací na kvantitativní metody a datové inženýrství.

Získej více informací o kurzu

Vyplň registrační formulář a připoj se k nám! Náš r_d tým se s tebou spojí co nejdříve, abys získal*a všechny potřebné detaily o obsahu kurzu a jeho ceně.

 
 
 
 
Zjistit cenu kurzu