When will I have access to the lectures and assignments?

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. 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.

What will I get if I subscribe to this Specialization?

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Data Science Fundamentals Part 1: Unit 2

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

Data Science Fundamentals Part 1: Unit 2

Ce cours fait partie de Spécialisation "Data Science Fundamentals, Part 1"

Instructeurs : Pearson

Inclus avec

1 module

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Débutant

Expérience recommandée

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

1 module

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Débutant

Expérience recommandée

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

Ce que vous apprendrez

Master the ETL (Extract, Transform, Load) process for seamless data acquisition and integration.
Acquire practical skills in sourcing data from APIs, web scraping, and managing data lineage.
Parse and transform diverse data formats (XML, JSON) for structured analysis.
Build and apply data models using object-oriented programming to streamline data workflows.

Compétences que vous acquerrez

Catégorie : Data Modeling
Catégorie : Extract, Transform, Load
Catégorie : Object Oriented Programming (OOP)
Catégorie : Web Scraping
Catégorie : Data Pipelines
Catégorie : Data Collection
Catégorie : Extensible Languages and XML
Catégorie : Data Transformation
Catégorie : Data Integration

Outils que vous découvrirez

Catégorie : Application Programming Interface (API)
Catégorie : Extensible Markup Language (XML)
Catégorie : Relational Databases
Catégorie : JSON

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

2 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Data Science Fundamentals, Part 1"

Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.

Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable

Il y a un module dans ce cours

This course dives into real-world data sourcing, including making web requests, web scraping, and integrating diverse data types from APIs, files, and databases. You'll learn to parse and structure data in formats like XML and JSON, and leverage object-oriented programming to create robust data models. By the end of the course, you’ll be equipped to efficiently acquire, transform, and prepare data for advanced analysis.

Détails du module

This module guides learners through the foundational steps of the data science process, focusing on data acquisition and transformation. Starting with methods for sourcing and extracting data from various platforms, students learn to manage data lineage and perform web requests. The module then covers parsing and structuring diverse data formats, such as XML and JSON, emphasizing the importance of data transformation and modeling. Through practical exercises, including working with APIs and relational databases, learners gain essential skills in the Extract, Transform, and Load (ETL) pipeline, preparing them for effective data exploration and analysis.

Inclus

27 vidéos2 devoirs

27 vidéosTotal 486 minutes

Topics2 minutes
The Data Science Mindset15 minutes
The Data Science Technology Stack15 minutes
Where to Get Data: Sources and Services17 minutes
How the Web Works20 minutes
Making HTTP Requests with Python15 minutes
Adding Context with Open Data9 minutes
Parsing Data with Python--JSON and XML28 minutes
Data and File Formats15 minutes
Working with APIs24 minutes
Parametric API Requests with Python28 minutes
Exploring the Foursquare API14 minutes
Downloading Foursquare Venues22 minutes
Topics1 minute
Introduction to the ETL Pipeline11 minutes
Data Models--Adding Structure to Data24 minutes
Building Abstractions--Object Oriented Programming12 minutes
Creating Classes in Python20 minutes
Defining Methods and Updating State21 minutes
Magic Methods, Class Attributes, and Introspection25 minutes
Exploring and Structuring the Foursquare Response24 minutes
Data Models Applied--Representing Foursquare Entities with Classes22 minutes
Modeling Behavior with Methods15 minutes
Customizing Model Interfaces with Setter Methods and Virtual Attributes24 minutes
Keeping Things DRY with Inheritance29 minutes
Object-Oriented Programming Use Cases21 minutes
The Case for (and against) OOP13 minutes

2 devoirsTotal 60 minutes

Acquiring Data: Sources and Methods Quiz30 minutes
Adding Structure: Parsing Data and Data Models Quiz30 minutes

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.