Python & Pandas: Ολοκληρωμένη Ανάλυση Δεδομένων
⚠️ Aυτό το μάθημα δεν είναι ακόμη διαθέσιμο. Μπορείτε όμως να αποκτήσετε από τους πρώτους πρόσβαση!
-
LevelΑρχάριος
-
Duration45 ώρες
-
Last Updated18/01/2026
-
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.
Χαρακτηριστικά του μαθήματος
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.
-
-
-
-
-
Προτεινόμενο Εβδομαδιαίο Πλάνο
-
Κανόνες Κοινότητας
-
Κάνε Join τον Discord Server 🙏🏻
-
Mini Εκπαιδευτική Καθόδηγηση μόνο για τους μαθητές μας
-
[SOS: Για προβολή των βίντεο] Ενεργοποίηση Cookies Εμπορικής Προώθησης
-
Εξοικείωση με το Google Colab
18:12 -
Τελευταία λόγια και… ξεκινάμε!
-
Αρχική Αξιολόγηση Γνώσεων
Βασική Σύνταξη της Python
Σε αυτή την ενότητα θα συζητηθούν με πρακτικά παραδείγματα, βασικά στοιχεία της Python τα οποία θέτουν γερές βάσεις.
-
Τι είναι μια Γλώσσα Προγραμματισμού;
-
Μια σύντομη ιστορία της Python & Γιατί την αγαπούν οι Data Analysts/Scientists
-
Αλγοριθμική Σκέψη: Το Θεμέλιο του Προγραμματισμού
-
Variables, Data Types & Κατανόηση της print
02:33 -
Δυναμικοί Τύποι Δεδομένων
00:44 -
Τα πάντα είναι object
01:01 -
Δομές Δεδομένων (Data Structures)
-
Lists
02:43 -
Lists – Επαναληψιμότητα και Επεξεργασία Δεδομένων
01:21 -
Lists – Dynamic Arrays
01:15 -
Lists – Αποθήκευση και Επεξεργασία Strings
01:56 -
Tuples
03:36 -
Sets
04:24 -
Dictionaries
10:07 -
Δομές Δεδομένων: Σύνοψη
-
Εντολές Ελέγχου Ροής
-
Conditional Statements
08:20 -
Εντολές Επανάληψης – For
06:14 -
Εντολές Επανάληψης – While
05:27 -
Jump Statements
02:10 -
Functions
08:57 -
Functions – Arbitrary Keyword Arguments
02:59 -
Lambda Functions
04:26 -
Run the code: Functions
-
Run the code: Functions and Conditional Statements
-
Κλάσεις και Αντικείμενα
08:49 -
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.
-
Εισαγωγή στην NumPy
-
Numpy Arrays (vs Lists)
03:53 -
Array Indexing & Slicing
02:41 -
Joining: Concatenate & Stack Functions
04:08 -
Splitting Arrays
01:46 -
Array Search
01:26 -
Array Sorting & Filtering
03:34 -
Η Numpy στην Ανάλυση Δεδομένων & Μηχανική Μάθηση
-
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.
-
Εισαγωγή στην Pandas: Series & Dataframes
07:07 -
Προετοιμασία: Κατανόηση του Dataset
04:43 -
Ανάγνωση και Επιθεώρηση Αρχείων
01:32 -
Εξερεύνηση Δεδομένων
-
Επιθεώρηση Δεδομένων και Περιγραφική Στατιστική
02:12 -
Καθαρισμός Δεδομένων
07:37 -
Indexing
11:49 -
Filtering
00:00 -
Grouping & Aggregation
02:47 -
Data Scaling: Normalization & Standardization
03:16 -
Quiz Ενότητας: Pandas Essentials
Τελικό Project (Προαιρετικό)
Σε αυτήν την ενότητα θα βρείτε την Περιγραφή του προαιρετικού Project.
-
Δεδομένα
-
Σχετικά με το Project
-
Περιγραφή του Project
-
Γνωρίζοντας τις Επεκτάσεις Αρχείων (File Extensions)
-
Τελικό Παραδοτέο
-
Υποβολή Προαιρετικής Εργασίας
-
“Ανέβασμα” Project στο GitHub Repository
10:01
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
-
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
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;