Data Analist worden met Python bij DNB

Hoe het begon

De Nederlandsche Bank wilde een medewerker versneld leren data te analyseren met Python. In plaats van te wachten op een groepsopleiding koos de bank voor een individueel traject op de eigen locatie.

Waar ze tegenaan liepen

De deelnemer had ruime ervaring met data-analyse, maar had nog nauwelijks zelf Python-code geschreven.

Wat ze wilden bereiken

Toewerken naar een concrete eigen praktijkopdracht: in dit geval het bouwen van een Python-indicator om de effectenmarkt te analyseren.

Wat wij aanboden

Het geleerde werd direct toegepast op een eigen businesscase uit de praktijk: het bouwen van een indicator om de effectenmarkt te analyseren. Als ontwikkelomgeving werd gewerkt met Visual Studio Code.

Wat ze leerden

• Introductie Python: syntax, variabelen, control flow, functies, loops en libraries (NumPy, Pandas, Matplotlib, Seaborn)
• Data inladen en opschonen: Excel, CSV en TXT inlezen, data cleaning en data wrangling
• Geavanceerde Python: list comprehension, break/pass/continue en specifieke methodes
• Data-analyse: algoritmen, analytics en descriptieve statistiek (mean, median, mode)
• Data visualisatie met Matplotlib, Seaborn en Streamlit, van line- en bar- tot 3D- en violin-plots en dashboards
• File handling: Python-scripts, commandoregelparameters, tijdsfuncties en het doorlopen van de filesysteemstructuur
• Algoritmes: lineaire en logistische regressie, SVM, k-nearest neighbors, k-means clustering en predictive analysis
• API’s: HTTP-methoden, statuscodes, de requests-library, JSON-parsing en foutafhandeling