[Stepik] Основы Python для анализа данных (Алексей Андросов)

​

Курс создан специально для тех, кто только начинает знакомство с Python. Мы всё разберём простым и понятным языком, без сложных терминов и лишней академической теории. Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.

Этот курс создан специально для тех, кто начинает знакомство с Python и анализом данных. Мы разберем всё простым и понятным языком, без сложных терминов и лишней академической теории, с авторской поддержкой по всем материалам курса.

Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.

Перед покупкой рекомендую:

• Ознакомиться с подробной презентацией курса
• Изучить программу и объем материалов
• Ознакомиться с дополнительной полезной информацией в репозитории по ссылке
• Посетить Telegram-канал с ответами на возможные вопросы
• Если остались вопросы — напишите мне лично в Telegram (пишите, не стесняйтесь).

Цель курса — получить фундаментальные знания и навыки работы с Python для анализа данных, что позволит достичь ваших целей:

• Повысить конкурентоспособность на рынке труда
• Сменить должность или место работы — начать карьеру в аналитике данных
• Увеличить стоимость ваших услуг и улучшить условия труда как специалиста

Особенности курса:

• Поддержка автора по всем материалам курса
• Логичная структура: от основ синтаксиса до написания функций и обработки исключений
• Подробные конспекты к каждой лекции
• Более 280 тестовых заданий
• Более 235 практических заданий
• Задания на закрепление материала после каждой темы
• Идеальный баланс теории и практики
• Курс подходит как для начинающих, так и для тех, кто хочет систематизировать знания по Python
• В конспектах представлен код из уроков и готовые решения задач
• Программа разработана на основе анализа требований рынка и запросов студентов
• Работа в Jupyter Notebook и Google Colab — доступно на Windows, macOS

Для кого этот курс:

• Аналитиков данных
• Бизнес-аналитиков
• Маркетинговых аналитиков
• Продуктовых аналитиков
• Системных аналитиков
• BI-аналитиков и BI-разработчиков
• Разработчиков
• Тестировщиков
• Маркетологов
• Project и Product менеджеров
• Data Engineer и Data Scientist
• Предпринимателей и руководителей подразделений
• Студентов технических специальностей
• Начинающих специалистов для старта карьеры в IT
• Всех, кто хочет освоить Python с нуля

Начальные требования:

• Базовые навыки работы с компьютером на уровне обычного пользователя

Как проходит обучение:

Виды материалов:

• Видеолекции с объяснениями
• Оформленные конспекты к урокам
• Тестовые задания на закрепление материала
• Интерактивные задачи для отработки навыков
• Оформленные файлы и конспекты Google Colab

Рекомендации по изучению:

• Повторяйте пройденные темы
• Не пропускайте практические задания
• Выполняйте все задания самостоятельно
• Задавайте вопросы в комментариях курса
• Делайте пометки и комментарии в материалах

Чему вы научитесь:

• Устанавливать и настраивать Jupyter Notebook, разбираться в отличиях от Google Colab
• Использовать Markdown для оформления кода, комментариев и структурирования записей
• Понимать основы синтаксиса Python и следовать стилю PEP 8
• Работать с переменными, целыми числами, числами с плавающей точкой и комплексными числами
• Выполнять конвертацию типов данных
• Использовать функции ввода-вывода input и print
• Выполнять индексацию строк, срезы и применять строковые функции
• Работать с логическим типом данных, логическими операторами и типом NoneType
• Использовать основные структуры данных: списки (создание, методы, операции), кортежи, множества, словари
• Импортировать модули и библиотеки
• Выполнять базовую работу с файлами
• Работать с датой и временем: модуль datetime, работа с датами, временем, временными промежутками
• Применять условные операторы if, elif, else и тернарный оператор
• Использовать циклы while и for, операторы continue, break, pass
• Создавать списки с помощью List Comprehensions
• Писать собственные функции, работать с параметрами и аргументами функций
• Использовать *args и **kwargs для гибкой работы с аргументами
• Обрабатывать исключения с помощью try и except
• Применять map, filter, lambda-функции, reduce и lambda-сортировку
• Решать практические задачи на закрепление каждой темы

Что вы получаете:

• Навыки и знания по работе с Python: от основ синтаксиса до написания собственных функций и обработки исключений
• Более 280 тестовых заданий для проверки теории
• Более 235 интерактивных задач для отработки навыков
• Пожизненный доступ к материалам и обновлениям курса
• Изучение в своем темпе
• Доступ к форуму решений
• Помощь преподавателя по всем материалам курса
• Оформленные файлы и конспекты Google Colab

Программа:

Введение в курс:

• Презентация курса
• Демо-доступ
• Вступительное слово, ссылки на полезные материалы
• Демо-доступ
• Jupyter Notebook vs Google Colab
• Демо-доступ
• Установка и запуск Jupyter Notebook
• Демо-доступ
• Markdown: Основы синтаксиса
• Демо-доступ
• PEP: Руководство по стилю кода в Python
• Демо-доступ

Введение в язык, переменные и базовые типы данных:

• Переменные и целые числа
• Демо-доступ
• Практика по теме "Переменные и целые числа"
• Демо-доступ
• Числа с плавающей точкой, комплексные числа, конвертация типов
• Практика по теме "Числа с плавающей точкой, комплексные числа"
• Логический тип данных, логические операторы, NoneType
• Практика по теме "Логический тип данных, логические операторы"

Строки и ввод-вывод:

• Строки и функции ввода-вывода (input & print)
• Демо-доступ
• Практика по теме "Строки и функции ввода-вывода (input & print)"
• Индексация строк и срезы
• Демо-доступ
• Практика по теме "Индексация строк и срезы"
• Демо-доступ
• Практика по теме "Индексация строк и срезы"
• Строковые функции и методы (ч. 1)
• Практика по теме "Строковые функции (ч. 1)"
• Строковые функции и методы (ч. 2)
• Практика по теме "Строковые функции (ч. 2)"

Упорядоченные коллекции данных:

• Тип данных — "Список (ч. 1)"
• Практика по теме "Списки (ч. 1)"
• Тип данных — "Список (ч. 2)"
• Практика по теме "Списки (ч. 2)"
• Тип данных — "Кортеж"
• Практика по теме "Кортежи"

Неупорядоченные коллекции данных:

• Тип данных — "Множества"
• Практика по теме "Множества"
• Тип данных — "Словарь"
• Практика по теме "Словарь"

Работа с модулями и дата/время:

• Модули и библиотеки
• Работа с датой и временем (ч. 1)
• Работа с датой и временем (ч. 2)
• Практика по теме "Работа с датой и временем"

Дополнительные типы данных:

• Дополнительные типы данных
• Практика по теме "Дополнительные типы данных"

Работа с файлами:

• Базовая работа с файлами

Условия:

• Условный оператор
• Практика по теме "Условный оператор"
• Тернарный оператор
• Практика по теме "Тернарный оператор"

Циклы и управление итерациями:

• Цикл while
• Практика по теме "Цикл while"
• Цикл for (ч. 1)
• Практика по теме "Цикл for (ч. 1)"
• Цикл for (ч. 2)
• Практика по теме "Цикл for (ч. 2)"
• Операторы continue, break и pass
• Практика по теме "Операторы continue, break и pass"
• Comprehensions
• Практика по теме "Comprehensions"

Функции:

• Методы и функции
• Функции с параметрами
• Практика по теме "Функции с параметрами"
• Работа с параметрами функций: *args и **kwargs
• Обработка исключений: try и except

Функциональное программирование: Map, Filter, Reduce, Lambda:

• Map, Filter и Lambda-функции
• Практика по теме "Map, Filter и Lambda-функции"
• Функция apply
• Условные выражения, Reduce и Lambda-сортировка
• Практика по теме "Усл. выражения, Reduce и сортировка с Lambda"
• Python: полезные материалы

Feedback:

• Завершение и итоги курса
• FeedBack
• Бонус: Единый конспект лекций

Автор Алексей Андросов

• Разрабатываю структурированные и доступные онлайн-курсы по аналитике данных.
• Образование: НИУ ВШЭ, бизнес-информатика.
• Опыт: бизнес-аналитик, аналитик данных.