Chevron Left
Python을 사용한 데이터 분석(으)로 돌아가기

IBM 기술 네트워크의 Python을 사용한 데이터 분석 학습자 리뷰 및 피드백

4.7
별점
15,264개의 평가
2,303개의 리뷰

강좌 소개

Learn how to analyze data using Python. This course will take you from the basics of Python to exploring many different types of data. You will learn how to prepare data for analysis, perform simple statistical analysis, create meaningful data visualizations, predict future trends from data, and more! Topics covered: 1) Importing Datasets 2) Cleaning the Data 3) Data frame manipulation 4) Summarizing the Data 5) Building machine learning Regression models 6) Building data pipelines Data Analysis with Python will be delivered through lecture, lab, and assignments. It includes following parts: Data Analysis libraries: will learn to use Pandas, Numpy and Scipy libraries to work with a sample dataset. We will introduce you to pandas, an open-source library, and we will use it to load, manipulate, analyze, and visualize cool datasets. Then we will introduce you to another open-source library, scikit-learn, and we will use some of its machine learning algorithms to build smart models and make cool predictions. If you choose to take this course and earn the Coursera course certificate, you will also earn an IBM digital badge. LIMITED TIME OFFER: Subscription is only $39 USD per month for access to graded materials and a certificate....

최상위 리뷰

SC

2020년 5월 5일

I started this course without any knowledge on Data Analysis with Python, and by the end of the course I was able to understand the basics of Data Analysis, usage of different libraries and functions.

RP

2019년 4월 19일

perfect for beginner level. all the concepts with code and parameter wise have been explained excellently. overall best course in making anyone eager to learn from basics to handle advances with ease.

필터링 기준:

Python을 사용한 데이터 분석의 2,309개 리뷰 중 2176~2200

교육 기관: Arjun S C

2019년 8월 14일

Lots of bugs and errors. No instructors reply on the discussion forum.

교육 기관: Anvit S

2020년 5월 13일

Could have been more detailed....Important concepts just brushed thru

교육 기관: Holly R

2020년 4월 16일

Could use some better mathematical description of the techniques.

교육 기관: Filippo M

2019년 9월 27일

Useful course, but the IBM online platforms are not working well.

교육 기관: Robert P

2019년 5월 17일

Some concepts were quite confusing and not that well explained.

교육 기관: Atharva Y

2020년 1월 23일

As compared to other courses this course seems to be too fast

교육 기관: Nirav

2019년 6월 26일

Lot's of errors in this course, please update and correct it.

교육 기관: Anmol P

2019년 10월 14일

Course could have been more elaborate in depth and scenarios

교육 기관: Tichaona M

2020년 8월 5일

This is a great course for building the base to use Python!

교육 기관: 林tanya

2019년 12월 27일

the lab is extremely useful, however, videos are too short

교육 기관: Michael A D R

2019년 11월 1일

Extremely interesting BUT it gets long and hard to follow.

교육 기관: Nihal N

2019년 4월 18일

not in depth.... needs more clarity on a variety of topics

교육 기관: Alejandro A S

2019년 7월 25일

Experimented a lot of problems to complete the assignment

교육 기관: Troy S

2019년 3월 14일

Quizzes are too easy. Don't even need to watch the videos

교육 기관: Anurag P

2020년 1월 18일

Mostly theoretical; very little to implement on our own.

교육 기관: Pulkit D

2019년 6월 29일

Please update and explain Rigid Regression a little more

교육 기관: Appa R M

2019년 10월 24일

The kernal is stuck for some questions and its annoying

교육 기관: Qing L

2020년 1월 26일

Kurs gut organisiert aber

die Fragen sehr oberflächlich

교육 기관: Jakubina K

2018년 12월 19일

It would be more useful if labs were be rated as well.

교육 기관: Ankit K S

2020년 1월 29일

It would be nice if the course had more assignments.

교육 기관: Bhanu S

2019년 4월 28일

It was difficult to retain the knowledge imparted.

교육 기관: Alton M

2019년 6월 8일

The course requires more interactive programming.

교육 기관: Xiangyu L

2019년 1월 19일

There are lots of mistakes throughout the courses

교육 기관: Abdul M A

2019년 4월 17일

Not very interactive with fewer help to learners

교육 기관: Ashwin G

2019년 4월 26일

Too fast and could have included more examples.