Python для аналитиков
Курс программирования на языке Python для тех, чья деятельность связана со сбором, обработкой и анализом больших объемов информации.
Курс предназначен для аналитиков в любой сфере деятельности, а также всем, кто хочет изучить язык Python для профессионального использования. В основу курса положены стандарты Института открытых программ дополнительного образования Высшей школы экономики.
О курсе
Курс создан в 2022 году.
Ментор курса: Дмитрий Румянцев, автор фундаментального учебника по программированию «Путь программиста» и ряда учебных пособий, автор online-курсов «Алхимия программиста» и «Алхимия Python».
Курс создан с упором на анализ данных, в связи с чем иллюстрирован большим количеством учебных примеров, написанных автором специально под тематику курса.
Ментор курса: Дмитрий Румянцев, автор фундаментального учебника по программированию «Путь программиста» и ряда учебных пособий, автор online-курсов «Алхимия программиста» и «Алхимия Python».
Курс создан с упором на анализ данных, в связи с чем иллюстрирован большим количеством учебных примеров, написанных автором специально под тематику курса.
Курс «Python для аналитиков» состоит из двух частей.
| Первая часть Интенсивное изучение языка Python, как основного инструментария аналитика данных. Полное освоение тем первой части сделает учащегося уверенным программистом на языке Python начального профессионального уровня.
|
| Вторя часть В рамках обучения второй части предполагается, что учащийся в достаточной степени овладел основными языковыми конструкциями и технологиями Python, поэтому не разъясняет синтаксических особенностей примеров, кроме отдельных специфических моментов.
В ходе обучения тем второй части учащийся изучает, как получать и обрабатывать данные из всех доступных источников (особенно в сети Интернет), а также визуализировать результаты обработки, используя специализированные библиотеки, разработанные для языка Python. |
Тематика курса
Часть 1
1. Введение в язык Python. Знакомство со средой программирования (интерпретатор Python и IDE PyCharm). Работа с командной строкой и утилитой PIP.
2. Концепция переменной. Простые типы данных. Базовые операции над ними. Интерпретация ошибок.
3. Знакомство с PyCharm. Понятие алгоритма. Понятие управляющих конструкций. Условные операторы. Циклы for и while. Функции в Python. Лямбда-выражения и лямбда-функции. Рекурсия.
4. Объектно-ориентированное программирование. Классы и объекты Python. Иерархия и наследование. Строки как экземпляры класса str. Понятие библиотеки. Библиотечные модуль. Выборочное импортирование. Пакеты.
5. Составные типы данных в Python (строки, списки, множества и словари). Итераторы, генераторы, генераторы списков.
6. Регулярные выражения: синтаксис, сложные выражения, получение данных из веб-документа.
7. Защита программы от ошибок. Исключительные ситуации. Обработка исключений. Поиск ошибок в коде и отладка.
8. Файлы и работа с ними. Продвинутая работа со словарями.
2. Концепция переменной. Простые типы данных. Базовые операции над ними. Интерпретация ошибок.
3. Знакомство с PyCharm. Понятие алгоритма. Понятие управляющих конструкций. Условные операторы. Циклы for и while. Функции в Python. Лямбда-выражения и лямбда-функции. Рекурсия.
4. Объектно-ориентированное программирование. Классы и объекты Python. Иерархия и наследование. Строки как экземпляры класса str. Понятие библиотеки. Библиотечные модуль. Выборочное импортирование. Пакеты.
5. Составные типы данных в Python (строки, списки, множества и словари). Итераторы, генераторы, генераторы списков.
6. Регулярные выражения: синтаксис, сложные выражения, получение данных из веб-документа.
7. Защита программы от ошибок. Исключительные ситуации. Обработка исключений. Поиск ошибок в коде и отладка.
8. Файлы и работа с ними. Продвинутая работа со словарями.
Часть 2
9. VCS Git. Работа с Git через командную строку (Git Bash). Работа с Git средствами PyCharm (в том числе работа с удаленным репозиторием в GitHub).
10. O-нотация и понятие о сложности вычислений. Ускорение работы кода на Python.
11. Введение в DOM. Сбор данных: парсинг веб-контента при помощи библиотеки BeautifulSoup.
12. Работа с SQL и базами данных с помощью Python. Работа с Excel-файлами.
13. Сбор данных: Selenium, работа с сервисами через API.
14. Введение в numpy. Работа с векторами и матрицами
15. Введение в pandas и разведочный анализ данных
16. Работа с пропущенными значениями в данных
17. Визуализация для презентации данных: matplotlib. Основные виды графиков. Основные ошибки при создании визуализаций.
18. Создание интерактивных визуализаций: plotly.
19. Разведывательный анализ данных. Особенности исследования текста. Наивный байесовский классификатор. Признаковое описание текстов.
10. O-нотация и понятие о сложности вычислений. Ускорение работы кода на Python.
11. Введение в DOM. Сбор данных: парсинг веб-контента при помощи библиотеки BeautifulSoup.
12. Работа с SQL и базами данных с помощью Python. Работа с Excel-файлами.
13. Сбор данных: Selenium, работа с сервисами через API.
14. Введение в numpy. Работа с векторами и матрицами
15. Введение в pandas и разведочный анализ данных
16. Работа с пропущенными значениями в данных
17. Визуализация для презентации данных: matplotlib. Основные виды графиков. Основные ошибки при создании визуализаций.
18. Создание интерактивных визуализаций: plotly.
19. Разведывательный анализ данных. Особенности исследования текста. Наивный байесовский классификатор. Признаковое описание текстов.
Требуемые навыки
От учащегося не требуется знаний в области программирования. Все необходимые навыки он получит в процессе обучения. От учащегося требуется только уверенное владение компьютером как для локальной работы (с диском), так и в сети Интернет.
Длительность обучения
Курс рассчитан на 12 недель самостоятельной работы.
