Workshop Data Science op de Command Line | Data Science Workshops met Jeroen Janssens

Samen leer je beter dankzij mijn workshop Data Science op de Command Line. Wil je meer weten over deze workshop? Benieuwd hoe ik 'm kan aanpassen naar jouw wensen? Andere vraag? Stuur me vooral een bericht.

Data Science op de Command Line

De unix command line, hoewel decennia geleden uitgevonden, is een geweldige omgeving voor het efficient uitvoeren van essentiele data science taken. Door kleine, krachtige tools (zoals parallel, jq en csvkit) te combineren, kun je snel jouw data opschonen en verkennen.

Deze hands-on workshop is gebaseerd op het O’Reilly boek Data Science at the Command Line, geschreven door instructeur Jeroen Janssens. Je leert hoe je snelle data pijplijnen bouwt, hoe je R en Python gebruikt op de command line en hoe je snel data visualiseert. Er is geen voorkennis over unix vereist.

Aan het einde van deze workshop heb je een goed begrip van hoe je de command line kunt integreren in je data science-workflow. Zelfs als je al vertrouwd bent met het verwerken van data met bijvoorbeeld R of Python, zal het kunnen gebruiken van de kracht van de opdrachtregel je een effectievere en efficientere datawetenschapper maken.

Leerdoelen

Taken automatiseren
Taken paralleliseren en distribueren over meerdere cores en machines
Converteer jouw bestaande code naar herbruikbare command line tools
Eenvoudig dataset inspecteren, transformeren en visualiseren
Pas een verscheidenheid aan gecontroleerde en niet-gesuperviseerde algoritmen voor machine learning toe

Programma

Dag 1:

Inleiding
- Wat is de command line?
- Waarom de command line leren voor het doen van data science?
- Een praktijkvoorbeeld van data science
- Aan de slag met de Docker image
Essentiele concepten van de Unix command line
- Tools uitvoeren
- Tools combineren
- Omleiden van invoer en uitvoer
- Werken met bestanden
- Hulp krijgen
Data verkrijgen uit logboeken, spreadsheets en databases
Data downloaden van internet en toegang krijgen tot API’s met behulp van curl
Data transformeren met filters zoals cut, paste, grep en sed
Efficient verwerken van andere data formaten
- JSON met jq
- CSV met csvkit
- HTML met pup
- XML met xmlstarlet

Dag 2:

R uitvoeren vanaf de opdrachtregel
Visualiseren van gegevens vanaf de opdrachtregel
- Scatterplot
- Histogram
- Staafdiagram
- Geografische visualisatie
Parallelliseren en distribueren van data-intensieve pijplijnen
Herbruikbare tools maken
- Automatiseer taken in een Bash-script
- Converteer jouw bestaande code naar een command-line tool
- Argumenten verwerken
- Werken met streaming data
Machine learning toepassen
- Dimensionaliteitsreductie
- Classificatie
- Regressie
Conclusie