Když jsem před lety začínal s datovou vědou, koupil jsem si knížku Big Data: Revoluce, která změní způsob, jak žijeme, pracujeme a myslíme. Počtení to bylo zajímavé a motivační. Zde jsem se dozvěděl o internetových platformách pro analytiky a datové vědce, jako Kaggle, nebo Data Camp. Byl jsem tímto supermoderním tématem nadšen a motivován! Obrovský zdroj informací, ochotná globální komunita, otevřenost, komplexní příklady z reálného světa firem. Mělo to však háček... Datové analýzy a reálné příklady aplikací z oblasti velkých dat a strojového učení, zde byly prezentovány v jazyce Python. Protože jsem tento jazyk neovládal, byly pro mě začátky poměrně obtížné...
Začal jsem se učit obecný Python - prošel jsem komplexními kurzy na Sololearnu a Data Campu, a strávil jsem téměř dva měsíce tréninkem. Zjistil jsem však, že až polovina informací, které jsem se zde naučil, se v datové vědě vůbec nepoužívá...
Náš kurz se proto soustředí na vybrané konstrukce a objekty jazyka Python, které jako budoucí datový vědec budete nezbytně potřebovat, ať už pro porozumění logiky existujících modelů od špičkových analytiků na Kagglu, nebo pro vytváření vlastních analýz a modelů.
Cílem tohoto kurzu tedy je dostat vás rychle do tématu "jazyk Python pro datovou vědu" a ušetřit vám čas. Pomoci vám porozumět jazyku Python, který je vedle jazyka R hlavním globálním nástrojem datové vědy, a dát vám základy, na kterých můžete začít stavět své první samostatné datové projekty.
Cílem tohoto kurzu naopak není udělat z jeho absolventů programátory - datoví vědci v Pythonu nepíší komplexní programy, ani nevytváří žádná programátorská veledíla. Datový vědec pracuje s Pythonem interaktivně, metodou akce-reakce, příkaz-výsledek. Takto postupně připravuje data, vytváří a testuje své modely, hledá optimální výsledky.
V současné době již existují, a rychle se dále rozvíjejí pokročilá grafická prostředí pro datové vědce, např. skvělý Knime, nebo Microsoft ML Studio. Pro výuku, výzkum, či vysvětlení modelů se však dále používají prostředí typu Jupyter Notebook. Mekka datových vědců - platforma Kaggle, kde je možné se skutečně naučit na reálných příkladech, jak se v datové vědě pohybovat, rovněž používá Jupyter Notebook a přímý (negrafický) přístup. Platfroma Quantopian, pro automatické obchodování s akciemi, nebo další Data Science platforma DataCamp, apod. rovněž používají prostředí typu Jupyter Notebook a přímý zápis příkazů Pythonu. Pokud byste hledali řešení pro vaše budoucí úlohy, například z oblasti aplikovaného strojového učení, naleznete je opět ve formě interaktivních skriptů v jazyce Python (nebo R).
Co budete potřebovat
Stáhnout si archiv s výukovými materiály - viz odkaz v první sekci kurzu
Jupyter Notebook s jazykem Python (on-line - viz lekce 1.1, nebo lépe off-line v rámci distribuce Anaconda - viz instruktážní video).
Použitý software - Anaconda, jazyk Python, a Jupyter Notebook jsou zdarma. Máme štěstí, že komunita datových vědců, podporovaná technologickými giganty, nástroje pro datovou vědu sdílí, jako tzv. open-source, a to včetně nejmodernějších a nejvýkonnějších systémů.
Doporučuji navštívit i další naše kurzy o datové vědě:
Elderberry Data - datová věda v Excelu
Elderberry Data - datová věda v Pythonu
Elderberry Data - datová věda v Knime
