This course will introduce the learner to the basics of the python programming environment, including fundamental python programming techniques such as lambdas, reading and manipulating csv files, and the numpy library. The course will introduce data manipulation and cleaning techniques using the popular python pandas data science library and introduce the abstraction of the Series and DataFrame as the central data structures for data analysis, along with tutorials on how to use functions such as groupby, merge, and pivot tables effectively. By the end of this course, students will be able to take tabular data, clean it, manipulate it, and run basic inferential statistical analyses.
Ce cours fait partie de la Spécialisation Science des données appliquée avec Python
Offert par
Spécialisation Science des données appliquée avec PythonUniversité du MichiganÀ propos de ce cours
2,302,629 consultations récentes
Résultats de carrière des étudiants
33%
ont commencé une nouvelle carrière après avoir terminé ce cours
35%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
10%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 1 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 16 heures pour terminer
Anglais
Sous-titres : Chinois (traditionnel), Portugais (brésilien), Vietnamien, Coréen, Anglais, Hébreu
Ce que vous allez apprendre
Understand techniques such as lambdas and manipulating csv files
Describe common Python functionality and features used for data science
Query DataFrame structures for cleaning and processing
Explain distributions, sampling, and t-tests
Compétences que vous acquerrez
Python ProgrammingNumpyPandasData Cleansing
Résultats de carrière des étudiants
33%
ont commencé une nouvelle carrière après avoir terminé ce cours
35%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
10%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 1 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 16 heures pour terminer
Anglais
Sous-titres : Chinois (traditionnel), Portugais (brésilien), Vietnamien, Coréen, Anglais, Hébreu
Offert par
Université du Michigan
The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future.
Programme du cours : ce que vous apprendrez dans ce cours
3 heures pour terminer
Week 1
In this week you'll get an introduction to the field of data science, review common Python functionality and features which data scientists use, and be introduced to the Coursera Jupyter Notebook for the lectures. All of the course information on grading, prerequisites, and expectations are on the course syllabus, and you can find more information about the Jupyter Notebooks on our Course Resources page.
3 heures pour terminer
11 vidéos (Total 58 min), 4 lectures, 1 quiz
11 vidéos
Data Science7 min
The Coursera Jupyter Notebook System3 min
Python Functions8 min
Python Types and Sequences8 min
Python More on Strings3 min
Python Demonstration: Reading and Writing CSV files3 min
Python Dates and Times2 min
Advanced Python Objects, map()5 min
Advanced Python Lambda and List Comprehensions2 min
Advanced Python Demonstration: The Numerical Python Library (NumPy)7 min
4 lectures
Syllabus10 min
Help us learn more about you!10 min
50 years of Data Science, David Donoho (optional)1h 30min
Notice for Auditing Learners: Assignment Submission10 min
1 exercice pour s'entraîner
Week One Quiz12 min
3 heures pour terminer
Week 2
In this week of the course you'll learn the fundamentals of one of the most important toolkits Python has for data cleaning and processing -- pandas. You'll learn how to read in data into DataFrame structures, how to query these structures, and the details about such structures are indexed. The module ends with a programming assignment and a discussion question.
3 heures pour terminer
8 vidéos (Total 45 min), 1 lecture, 2 quiz
8 vidéos
Introduction2 min
The Series Data Structure4 min
Querying a Series8 min
The DataFrame Data Structure7 min
DataFrame Indexing and Loading5 min
Querying a DataFrame5 min
Indexing Dataframes5 min
Missing Values4 min
1 lecture
Common Assignment Pitfalls10 min
3 heures pour terminer
Week 3
In this week you'll deepen your understanding of the python pandas library by learning how to merge DataFrames, generate summary tables, group data into logical pieces, and manipulate dates. We'll also refresh your understanding of scales of data, and discuss issues with creating metrics for analysis. The week ends with a more significant programming assignment.
3 heures pour terminer
6 vidéos (Total 35 min)
6 vidéos
Merging Dataframes7 min
Pandas Idioms6 min
Group by6 min
Scales7 min
Pivot Tables2 min
Date Functionality5 min
6 heures pour terminer
Week 4
In this week of the course you'll be introduced to a variety of statistical techniques such a distributions, sampling and t-tests. The majority of the week will be dedicated to your course project, where you'll engage in a real-world data cleaning activity and provide evidence for (or against!) a given hypothesis. This project is suitable for a data science portfolio, and will test your knowledge of cleaning, merging, manipulating, and test for significance in data. The week ends with two discussions of science and the rise of the fourth paradigm -- data driven discovery.
6 heures pour terminer
4 vidéos (Total 25 min), 1 lecture, 2 quiz
4 vidéos
Introduction1 min
Distributions4 min
More Distributions8 min
Hypothesis Testing in Python10 min
1 lecture
Post-course Survey10 min
Avis
Meilleurs avis pour INTRODUCTION TO DATA SCIENCE IN PYTHON
par PK9 mai 2020
The course had helped in understanding the concepts of NumPy and pandas. The assignments were so helpful to apply these concepts which provide an in-depth understanding of the Numpy as well as pandans
par BZ17 mai 2020
super hard course I enjoyed it but the thing that I didn't like specially when this is supposed to be the learning phase the assignments were hard and it sometimes pushes you to look for the solution
par SI15 mars 2018
overall the good introductory course of python for data science but i feel it should have covered the basics in more details .specially for the ones who do not have any prior programming background .
par BN1 mars 2017
Enjoyed every bit of it. The timings for the assignment could be a little bit more though. Also the expected output could be provided for validation, rather than the grader printing cryptic messages.
À propos du Spécialisation Science des données appliquée avec Python
The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data.
Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Une aide financière est-elle possible ?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
