Python для анализа данных
В этом треке вы научитесь решать аналитические задачи с помощью Python-библиотек. Для этого вы на практике изучите стандартные средства работы с коллекциями и данными. На курсе вы разберетесь, как анализировать табличные данные с помощью Pandas — библиотеки для аналитиков. Здесь вы познакомитесь с подходами к оптимизации вычислений с помощью библиотеки Numpy. Также вы освоите Jupiter Notebook — инструмент, который позволяет обрабатывать данные на Python и создавать отчеты с описанием и основными результатами.
Начать учитьсяПрограмма обучения
-
Введение
-
Hello, World!
-
Инструкции
-
Арифметические операции
-
Ошибки оформления — синтаксис и линтер
-
Строки
-
Переменные
-
Выражения в определениях
-
Именование
-
Интерполяция
-
Извлечение символов из строки
-
Срезы строк
-
Типы данных
-
Неизменяемость и примитивные типы
-
Функции и их вызов
-
Сигнатура функции
-
Вызов функции — выражение
-
Детерминированность
-
Стандартная библиотека
-
Свойства и методы
-
Цепочка методов
-
Определение функций
-
Возврат значений
-
Параметры функций
-
Необязательные параметры функций
-
Именованные аргументы
-
Аннотации типов
-
Окружение
-
Логика
-
Логические операторы
-
Результат логических операций
-
Условные конструкции
-
Оператор match
-
Цикл while
-
Агрегация данных
-
Обход строк
-
Условия внутри тела цикла
-
Цикл for
-
Отладка
-
Модули
-
Модули поглубже
-
Пакеты
-
Модуль random
-
Кортежи
-
История развития языка Python
-
Создавать программы, используя основные конструкции языка (условия, циклы, функции и другие)
-
Составлять программы, состоящие из нескольких модулей
-
Правильно анализировать ошибки в коде и пользоваться отладочной печатью при их поиске
-
Введение
-
Синтаксис
-
Модификация
-
Проверка существования значения
-
Цикл for и списки
-
Циклы с индексами
-
Ссылки
-
Агрегация
-
Удаление элементов списка
-
Управляющие инструкции
-
Вложенные списки
-
Теория множеств
-
Генерация строки в цикле
-
Обработка строк через преобразование в список
-
Вложенные циклы
-
Сортировка списков
-
Стек
-
Big O
-
Срезы
-
Деструктуризация
-
Деструктуризация и оператор упаковки
-
Создание новых списков и оператор распаковки
-
Массивы в памяти компьютера
-
Определять списки в коде и манипулировать ими
-
Формировать и обрабатывать списки в циклах
-
Создавать итерируемые объекты и работать с ними
-
Введение
-
Операционные системы
-
Командная строка
-
Навигация
-
Интерфейс командной строки
-
Файловая структура
-
Чтение файлов
-
Grep
-
Редактирование файлов
-
Потоки
-
Пайплайн
-
Манипулирование файловой структурой
-
Переменные окружения
-
История
-
Пользователи и группы
-
Sudo
-
Права доступа
-
Пакетный менеджер
-
Выполнение программ
-
Выполнять навигацию по файловой системе
-
Работать с переменными окружения
-
Разбираться с доступами к файлам
-
Использовать пакетный менеджер для установки утилит
-
Выходить из Vim'a
-
Введение
-
Рабочий процесс
-
Интеграция с GitHub
-
Рабочая директория
-
Анализ сделанных изменений
-
Анализ истории изменений
-
Отмена изменений в рабочей директории
-
Отмена коммитов
-
Изменение последнего коммита
-
Индекс
-
Перемещение по истории
-
Понимание Git
-
Игнорирование файлов
-
Stash
-
Открытые проекты
-
Вести разработку в соответствии с современными инженерными практиками
-
Эффективно управлять исходным кодом, добавлять в общее хранилище, анализировать историю и изменять ее
-
Работать с GitHub и участвовать в открытых проектах
-
Введение
-
Синтаксис
-
Изменение данных в словаре
-
Инициализация новых значений и defaultdicts
-
Множества
-
Изменение множеств
-
Операции над множествами
-
Методы объектов множеств
-
Хеш-таблицы
-
Заключение
-
Разбираться в устройстве словарей
-
Использовать словари, создавать и менять их
-
Создавать множества и манипулировать ими
-
Обрабатывать словари с помощью итераторов keys, values и items
-
Введение
-
Многомерные массивы в Numpy
-
Индексы, срезы и итеративный обход
-
Переформатирование, изменение формы
-
Переформатирование и слияние
-
Фильтрация значений и вырезание
-
Быстрые поэлементные операции
-
Уход от циклов и векторизованные вычисления
-
Применение математических и статистических функций
-
Заключение
-
Создавать многомерные массивы библиотеки Numpy
-
Производить быстрые поэлементные операции над массивами
-
Выполнять вычисления над данными без использования циклов, существенно ускоряя работу программ
-
Оптимально применять математические и статистические функции к массивам данных
-
Введение
-
Использование Pandas для работы с табличными данными
-
Чтение и запись табличных данных в файловую систему
-
Работа с индексами
-
Фильтрация значений и подготовка данных для анализа
-
Применение функций к столбцам и строкам таблицы
-
Визуализация данных
-
Сводные таблицы
-
Изменение формы и объединение таблиц
-
Работа с Excel-файлами в Pandas
-
Заключение
-
Поймете, как осуществить чтение и запись таблиц в популярные табличные форматы
-
Научитесь фильтровать значения и оперировать с их подмножествами
-
Познакомитесь с агрегированием и группированием данных
-
Освоите объединение и изменение формы таблиц
-
Введение в визуализацию данных
-
Создание базовых графиков
-
Библиотека Matplotlib
-
Модуль Pyplot
-
Визуализация статистических данных
-
Упрощение работы с Seaborn
-
Интерактивные графики с Plotly
-
Создание Dashboard c Dash и Plotly
-
Строить графики и дашборды с помощью Matplotlib и Seaborn
-
Представлять данные в интерактивном виде с помощью Plotly и Dash
-
Создавать витринные образцы результатов анализа данных
-
Реализовывать веб-приложения с интерактивными графиками
-
Введение
-
Фреймворк Anaconda
-
Язык Python
-
Установка Anaconda
-
Обзор доступных сред разработки
-
Решение аналитической задачи с помощью Jupyter Notebook
-
Виртуальные окружения и установка пакетов. Anaconda Navigator
-
Виртуальные окружения и установка пакетов. Conda
-
Создавать виртуальные окружения
-
Работать с пакетами в GUI-интерфейсе Anaconda
-
Использовать менеджер пакетов Conda
-
Введение
-
Установка Jupyter Notebook
-
Код, формулы и два понятных графика
-
Ячейки кода
-
Ячейки markdown
-
Магические команды
-
Отчеты с визуализацией результатов
-
Приемы работы с высоконагруженными операциями в Jupyter Notebook
-
Писать скрипты на Python в формате последовательных ячеек кода
-
Выполнять поэтапный запуск скриптов
-
Использовать Jupyter Notebook для работы с большими данными
Создайте скрипт, который работает с апи и базой данных
ПодробнееКак проходит обучение
-
В каждом уроке — теория, тесты на закрепление изученного и практика прямо в браузере
-
Задания проходят автоматическую проверку тестами и линтером
-
Вы прямо в браузере получаете доступ к виртуальной машине, редактору кода и к консоли
-
Сразу видите обратную связь по своему решению в виде тестов и их результатов
-
Урок — это теория, квиз (проверочный тест) и практика
-
Учебный материал представлен в текстовом формате, иногда встречаются короткие видео
-
Практика может быть в виде упражнений в браузере, испытаний, проектов, самостоятельной работы и домашних заданий
-
Можно задавать вопросы по теории и практике уроков команде поддержки Хекслета
Что говорят наши студенты о курсах и проектах
Получите доступ
К этому треку и ко всем остальным курсам Хекслета по подписке за 21 900 ₸ в месяц
Кому подойдет обучение
Хекслет —
это серьезная подготовка инженеров-программистов
-
Топовые IT-компании обучают своих сотрудников на Хекслете
-
Весь обучающий контент создан практикующими IT-специалистами
-
Программы, направленные на системное развитие инженерного мышления
Студентов учатся ежемесячно
Рейтинг на отзовиках: Otzyvmarketing
Нашу платформу часто рекомендуют студенты
Нам доверяют обучение своих сотрудников
Расскажите вашему работодателю о Хекслете
-
Получите доступ к этому треку и ко всем остальных курсам Хекслета
-
Учитесь сколько нужно, отменить подписку можно в любой момент
-
Задавайте вопросы по урокам — вам ответит поддержка Хекслета
-
Сохраните неограниченный доступ к пройденной теории даже после отмены подписки
Трек — это набор курсов по определенной теме для повышения квалификации и развития инженерного мышления. Треки подходят как для разработчиков с опытом, так и для новичков в качестве задания «со звёздочкой».
Вы можете учиться в своём темпе, срок обучения не ограничен.
Мы рекомендуем выделять 5-10 часов в неделю. Так с одной стороны обучение будет достаточно интенсивным, чтобы не растягивать его надолго, а с другой — достаточно комфортным, чтобы совмещать с работой и успевать отдыхать.
Материал программы — это готовые курсы с адаптированной для новичков теорией, тестами на закрепление и большим количеством практических упражнений с автоматизированной проверкой прямо в браузере. В некоторых треках есть проект — вы создадите приложение, которое станет частью вашего портфолио и даст опыт реальной разработки.
Вы можете учиться самостоятельно или вместе с наставником, он поможет разобраться в сложных моментах.
Тогда вы можете обучаться вместе с наставником.
Каждый наставник — опытный программист, который добился успехов в профессии, а теперь делится знаниями и опытом со студентами Хекслета. Кандидаты проходят строгий отбор — наставником становится лишь каждый десятый, поэтому случайных людей у нас нет.
Наставник помогает справляться с трудностями, отвечает на вопросы и делает ревью проектов.
Мы принимаем карты Visa, MasterCard и МИР любого банка, валюта счёта тоже может быть любой.
Если решите учиться самостоятельно, оформите подписку на план «Базовый». Доступ ко всем трекам откроется сразу после оплаты.
Если нужна помощь наставника, оставьте заявку на обучение. С вами свяжется куратор, подберёт подходящего наставника и пришлёт ссылку на оплату.