こんにちは、PyQマーケティングチームです。
もうすぐ本格的な夏が始まりますね。
学生の方は夏休み、社会人の方も連休があるのではないでしょうか？
その連休を使ってプログラミング言語「Python」のデータ分析を学んでみませんか？
今回はデータ分析分野をPyQで学習する学習計画と無料学習キャンペーンを紹介します。
PyQとは
PyQは、Python特化の独学プラットフォームです。
ブラウザだけで始められ、基礎文法から実務的な内容まで、1500問以上の問題で自学できます。
- PyQとは
- データ分析でおすすめするPyQの学習コース
- データ分析コースの「Pythonデータ処理初級 改訂版」ランクの学習に必要な時間
- 7日間で学習した場合のスケジュール例
- 学習後におすすめなのは？
- 無料お試しキャンペーン
データ分析でおすすめするPyQの学習コース
pandasを使ったデータ処理を学べる「データ分析」コースがおすすめです。
今回はJupyter Notebookの使い方を学んだ後「Pythonデータ処理初級 改訂版」ランクを7日間で学べるようピックアップしたプランを紹介します。
このプランの対象は、データ処理でよく使われるpandasに入門したい方、pandasの基本を改めて体系だって学び直したい方です。
※プログラミング自体が初めての方は、先に「Pythonプログラミングをはじめようコース」から始めることをおすすめします。
データ分析コースの「Pythonデータ処理初級 改訂版」ランクの学習に必要な時間
コース全体の学習目安時間
- 19時間～
7日間で学習した場合の1日あたりの学習目安時間
- 2〜3時間程度
7日間で学習した場合のスケジュール例
1日目: 約160分
Jupyter Notebookの基本的な操作方法を学び、pandasに入門する。
- Jupyter Notebookの使い方(40分〜)
- pandas体験(110分〜)
2日目: 約155分
pandasの主要なデータ構造であるDataFrameの構成要素と次元のデータ構造であるSeriesやIndexについて学ぶ。
- pandasのデータ構造（DataFrame）(105分〜)
- Seriesとインデックスと欠損値【前半】(50分〜)
3日目: 約115分
CSVファイルの入出力を中心に、pandasの基本的な入出力機能の使い方を学ぶ。
- Seriesとインデックスと欠損値【後半】(50分〜)
- データ入出力(65分〜)
4日目: 約170分
DataFrameの列に対する簡単な演算方法と業務でよく使う統計量の確認やデータの集約方法を学ぶ。
- DataFrameの列の演算と追加(75分〜)
- データの確認・集約(95分〜)
5日目: 約185分
業務でよく使うソートの方法と指定した条件でデータを絞り込む方法とさまざまな前処理を行ってデータを分析しやすい形式に加工する方法を学ぶ。
6日目: 約180分
データをグループ化する方法と可視化方法について学ぶ。
- データのグループ化(140分〜)
- pandasのデータ可視化(40分〜)
7日目: 約180分
ここまで学んだpandasの各機能がどのような場面で役に立つかイメージを掴む。
- 総合演習（Pythonデータ処理初級）(180分〜)
学習後におすすめなのは？
pandasについて身についたか確認できる「データ分析演習」コースの「pandasデータ処理ドリル」ランクがおすすめです。
「pandasデータ処理ドリル」ランクはPyQが執筆した書籍「pandasデータ処理ドリル Pythonによるデータサイエンスの腕試し 」になっており、書籍とPyQコンテンツ両方を組み合わせて学習可能となっております。
pandasでもっと効率的な書き方を知りたい方や、知識を広げたい方はぜひ書籍と一緒に学習してみてください。
無料お試しキャンペーン
今回紹介した「データ分析」コースの内容が7日間学習できる無料キャンペーンを紹介します。
以下のリンクからPyQを始めてください。
- PyQのユーザー登録にはクレジットカード情報またはAmazon Payのアカウント情報が必要です。
- 有料購読の手続きをしない限り、料金が発生することはありません。
- すでに有料購読中の場合はキャンペーンコードをご利用になれません。一度購読停止してからご利用ください。
- 詳細な手順はキャンペーンURL利用を参照してください。
