Stepik / Алексей Андросов - Основы Python для анализа данных

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\"

Допо