Python & Pandas: Ολοκληρωμένη Ανάλυση Δεδομένων
⚠️ Για να εγγραφτείτε στο μάθημα θα πρέπει να είστε συνδεδεμένοι. Επιλέξτε το κουμπί Σύνδεση για σύνδεση σε υπάρχοντα λογαριασμό ή για δημιουργία λογαριασμού.

-
LevelΕνδιάμεσο
-
Duration45 ώρες
-
Last Updated07/03/2025
-
Enrollment validityEnrollment validity: Lifetime
-
CertificateCertificate of completion
🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.
💡Η πρόσβαση στο μάθημα γίνεται άμεσα με το που γίνει η πληρωμή.
📽️ Η παρακολούθηση είναι ασύγχρονη.
👩🏻🏫 Η καθοδήγηση από επαγγελματία παρέχεται οποτεδήποτε την χρειάζεστε.
Χαρακτηριστικά του μαθήματος

Καθοδήγηση Επαγγελματία

Forum Συζητήσεων

Πιστοποίηση

Υποστήριξη Εργασίας
Περιγραφή
Τι θα μάθω;
- Μάθε τις βασικές αρχές προγραμματισμού μέσω της Python
- Γνώρισε την numpy βιβλιοθήκη μόνο για τα κομμάτια που βοηθούν στην ανάλυση δεδομένων
- Εξοικοιώσου μέσω πρακτικών παραδειγμάτων και πλήθος ασκήσεων με την διάσημη βιβλιοθήκη ανάλυσης δεδομένων Pandas
- Γνώρισε το Google Colab, ένα χρήσιμο notebook editor
- Εξασκηθείτε σε πραγματικά δεδομένα και εξοικειωθείτε με βασικές τεχνικές καθαρισμού και εξερεύνησης δεδομένων
Curriculum
Καλωσόρισμα
Σημαντικές πληροφορίες σχετικά με το μάθημα.
-
Εισαγωγή του Μαθήματος
-
Γιατί να μάθεις Python & Pandas για Ανάλυση Δεδομένων;
-
Γνωριμία με την καθοδηγήτρια
-
Τεχνικές Απαιτήσεις
-
Κανόνες Κοινότητας
-
Προτεινόμενο Εβδομαδιαίο Πλάνο
-
Mini Εκπαιδευτική Καθόδηγηση μόνο για τους μαθητές μας
-
[Σημαντικό!] Κάνε Join τον Discord Server 🙏🏻
-
Ενεργοποίηση Cookies Εμπορικής Προώθησης
-
Τελευταία λόγια και… ξεκινάμε!
-
Αρχική Αξιολόγηση Γνώσεων
-
Εξοικείωση με το Google Colab
12:38
Προαιρετικό τελικό project
Σε αυτήν την ενότητα θα βρείτε την Περιγραφή του προαιρετικού Project.
-
Δεδομένα
-
Περιγραφή του Project
-
Υποβολή Προαιρετικής Εργασίας
-
Τελικό Παραδοτέο
-
“Ανέβασμα” Project στο GitHub Repository
Βασική Σύνταξη της Python
Σε αυτή την ενότητα θα συζητηθούν με πρακτικά παραδείγματα, βασικά στοιχεία της Python τα οποία θέτουν γερές βάσεις.
-
Variables
02:33 -
Dynamic Data Types
00:43 -
Everything is an object
01:00 -
Data Structures
-
Lists
02:43 -
Lists – Iteration and Data Processing
01:20 -
Lists – Dynamic Arrays
01:15 -
Lists – Storing and Processing Strings
01:56 -
Tuples
03:36 -
Sets
04:24 -
Dictionaries
10:07 -
Data Structures Summarize
-
Control flow
-
Conditional Statements
00:00 -
Looping statements – For
00:00 -
Looping statements – While
00:00 -
Jump Statements
00:00 -
Functions
00:00 -
Functions – Arbitrary Keyword Arguments
00:00 -
Lambda Functions
00:00 -
Run the code: Functions
-
Run the code: Functions and Conditional Statements
-
Classes and Objects
00:00 -
Run the code: Class Dataset and ML Model
-
Quiz Ενότητας: Βασική Σύνταξη της Python
NumPy Essentials
Σε αυτήν την ενότητα θα μάθουμε τα απολύτως απαραίτητα σχετικά με την Numpy βιβλιοθήκη η οποία μας εξυπηρετεί σε απλά και σύνθετα μαθηματικά ζητήματα και υπολογισμούς.
-
Essentials
-
Ndarray vs Lists
-
Array Indexing/Slicing
-
Joining: Concatenate Function
-
Splitting Arrays
-
Array search
-
Array sort/filter
-
Numpy and Data analysis – Machine Learning
-
Run the code: Numpy Essentials
-
Quiz Ενότητας: NumPy Essentials
Pandas Essentials
Σε αυτήν την ενότητα θα αναφερθούμε με θεωρία, πρακτικά παραδείγματα και ασκήσεις σε μια από τις πιο χρήσιμες βιβλιοθήκες της Python, την pandas που χρησιμοποιείται για ανάλυση δεδομένων.
-
Essentials
07:07 -
Κατανόηση του dataset
00:00 -
Read CSV/JSON files
01:32 -
Data Exploration
-
Summary Functions
00:00 -
Data cleaning
00:00 -
Indexing
00:00 -
Filtering
00:00 -
Grouping
00:00 -
Normalization/Standardization
-
Why Pandas/Numpy is Essential for Data Analysis and Machine Learning?
-
Quiz Ενότητας: Pandas Essentials
Επιπλέον Πηγές και Αξιολόγηση
Εδώ θα βρείτε διάφορα Cheatsheets, Youtube Videos, Άρθρα και e-books τα οποία μπορούν να σας βοηθήσουν στην επέκταση γνώσεων επί του θέματος του μαθήματος. Επίσης, θα αξιολογήσετε το μάθημα.
-
Cheatsheets
-
Διαφάνειες
00:00 -
Αξιολόγηση & Κοινοποίηση της Επιτυχίας σας!
Λάβε Πιστοποίηση
Βάλε αυτήν την πιστοποίηση στο βιογραφικό σου για να αναδείξεις τις δεξιότητές σου στους Recruiters!

Αξιολογήσεις και Κριτικές Μαθητών
-
LevelΕνδιάμεσο
-
Duration45 ώρες
-
Last Updated07/03/2025
-
Enrollment validityEnrollment validity: Lifetime
-
CertificateCertificate of completion
🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.
💡Η πρόσβαση στο μάθημα γίνεται άμεσα με το που γίνει η πληρωμή.
📽️ Η παρακολούθηση είναι ασύγχρονη.
👩🏻🏫 Η καθοδήγηση από επαγγελματία παρέχεται οποτεδήποτε την χρειάζεστε.
Η Καθοδηγήτρια

Κοινό
- Business Intelligence επαγγελματίες
- Data Scientists και Analysts που θέλουν να μάθουν ανάλυση δεδομένων μέσω της Python
- Επαγγελματίες που γνωρίζουν Python και θέλουν να εντρυφήσουν στην βιβλιοθήκη ανάλυσης δεδομένων pandas και σε κομμάτια της numpy
- Ο οποιοσδήποτε θέλει να χρησιμοποιήσει την Python για ανάλυση δεδομένων
Υλικό
- Κώδικας προς εκτέλεση
- Καθοδηγητικά Videos
- Διαφάνειες με δυνατότητα αποθήκευσης ("Download")
- Ασκήσεις βήμα-βήμα προς επίλυση σε real-world datasets
- Σύντομα κουίζ γνώσεων
- Cheasheet(s)
- Μια άλυτη, προαιρετική, εργασία (project) προς επίλυση για το portfolio
Απαιτήσεις
- Πρόσβαση στο Google Colab (δωρεάν, online πρόσβαση - εμπεριέχεται ενότητα καθοδήγησης και εξοικείωσης με την υπηρεσία)
- Απαιτείται γνώση βασικών αρχών προγραμματισμού
- Έχετε ενεργοποιημένα τα Cookies Προώθησης
Αξιολογήσεις Μαθητών
Συχνές Ερωτήσεις
Τίτλοι σπουδών όπως:
- Μαθηματικά,
- Στατιστική,
- Διοίκηση Επιχειρήσεων,
- Οικονομικά,
- ή Πληροφορική.
Ωστόσο, οι παραπάνω περιπτώσεις δεν χρειάζεται να σε περιορίσουν ώστε να αλλάξεις το αντικείμενο καριέρας σου και να ακολουθήσεις καριέρα στα Data Analytics.
Όπως σε κάθε επάγγελμα, χρειάζεται να αποκτήσεις πολλαπλές δεξιότητες. Έτσι, και οι ρόλοι που σχετίζονται με Data Analytics χρειάζονται αρκετές δεξιότητες τις οποίες όμως θα βρεις επαρκές υλικό και εξάσκηση στην Data Tutor μέσω των μαθημάτων, αλλά και των εκπαιδευτικών υπηρεσιών καθοδήγησης και προετοιμασίας!
Η Εκπαιδευτική Πλατφόρμα Data Tutor διαθέτει πληθώρα διαφορών σε σχέση με άλλες εκπαιδευτικές πλατφόρμες. Ενδεικτικά:
- Επαγγελματίας του χώρου σας καθοδηγεί σε project με πραγματικά δεδομένα και πραγματικές περιπτώσεις που δύναται να αντιμετωπίσετε στην πραγματική δουλειά.
- Η καθοδήγηση δεν περιορίζεται μόνο σε project, αλλά και σε γενικότερες γνώσεις που μπορείτε να πάρετε μέσω 1:1 συναντήσεις.
- Συναντήσεις mentoring/coaching είναι διαθέσιμες για εσάς προκειμένου να θέσετε ένα πλάνο από το Α-Ω.
- Μετά την ολοκλήρωση των projects και της μελέτης δεν ήρθε το τέλος. Το παλεύουμε μαζί να είστε πανέτοιμοι για συνεντεύξεις.
- Το υλικό των μαθημάτων είναι στα Αγγλικά, αλλά τα βίντεο, οι ασκήσεις και το Project στα Ελληνικά.
Ναι, τα μαθήματα κορμού που περιλαμβάνονται σε εκπαιδευτικά πακέτα έχουν όλα από ένα (1) Project.
Στην καθοδήγηση των μαθημάτων η καθοδηγήτρια έρχεται σε επικοινωνία μαζί σου για να σου προσφέρει βελτίωση του τελικού σου project. Στην εκπαιδευτική καθοδήγηση λαμβάνεις online 1:1 καθοδήγηση πάνω σε γνώσεις και ύλη των μαθημάτων που προσφέρονται πάντοτε με βάση τις προσωπικές σου ανάγκες. Οι συναντήσεις αυτές είναι προγραμματισμένες εκ των προτέρων ύστερα από συνεννόηση με την καθοδηγήτρια. Τέλος, η εκπαιδευτική καθοδήγηση προσφέρει σύνολο 3 ώρες και το πλήθος των ωρών δεν είναι καθόλου τυχαίο. Μέσα από την εμπειρία της καθοδηγήτριας, 3 – 4 ώρες χρειάζονται σε συνδυασμό με την μελέτη και την προσωπική εξάσκηση για να βοηθηθείς στην επίλυση των αποριών σου.
Μερικοί από τους λόγους για τους οποίους θα προτιμούσε κανείς εκπαιδευτική καθοδήγηση είναι οι παρακάτω:
- Για να καλύψουμε όλες αυτές τις ερωτήσεις και απορίες που δεν μπορέσαμε να κάνουμε διότι προέκυψαν στην πορεία
- Για να εκπαιδευτούμε σε εργαλεία που δεν προσφέρονται μέσα από ήδη υπάρχοντα προγράμματα σπουδών
- Για να μάθουμε λεπτομέρειες σε τεχνολογίες και εργαλεία που δεν μπορέσαμε να βρούμε μέσα από τα διαθέσιμα προγράμματα σπουδών
- Γιατί θέλουμε σε σύντομο χρονικό διάστημα, να ανανεώσουμε κάποιες γνώσεις μας ώστε να ψάξουμε για εργασία
- κ.ά.
Αν ταυτίζεσαι με την πλειονότητα των παραπάνω, τότε η εκπαιδευτική καθοδήγηση είναι αυτή την στιγμή αυτό που χρειάζεσαι.
Η φράση “Γίνε και εσύ Data Analyst σε 30 ημέρες…” είναι μια απάτη. Για να μπορέσει κανείς να γίνει επαγγελματίας σε ένα πεδίο χρειάζεται χρόνο να μελετήσει, συνεχή εξάσκηση, επιπλέον πρακτική, και διαρκή “περιέργεια” το πώς δουλεύει το κάθε τι. Το συγκεκριμένο εκπαιδευτικό πακέτο με το πλήθος των μαθημάτων και ακολουθώντας το εβδομαδιαίο πλάνο μελέτης, απαιτεί τουλάχιστον 8 μήνες.

Δεν είσαι ακόμη σίγουρος/η;
Μην διστάσεις να κλείσεις μια 15' δωρέαν συνάντηση με την καθοδηγήτρια της Data Tutor.
Φρόντισε απλώς να περιγράψεις εν συντομία τον προβληματισμό σου.
Δεν είσαι ακόμη σίγουρος/η;
