Содержание пакета (5 курсов)
1. Pandas для анализа данных 5.0
1. Чтение данных из файлов
2 урока
👁
84
👤
59
Закрытый
1.1
Импорт данных из форматов CSV, Excel, JSON
↗
45
34
11м
0
Закрытый
1.2
Обработка крупных файлов с chunksize
↗
39
25
30м
2
2. Экспресс знакомство с данными
3 урока
👁
99
👤
74
Закрытый
2.1
Методы быстрого просмотра: head(), tail(), sample()
↗
35
30
2м
2
Закрытый
2.2
Основные характеристики данных: info(), describe()
↗
33
17
19м
-1
Закрытый
2.3
Выявление и обработка пропущенных значений
↗
31
27
9м
1
3. Вывод столбцов и работа с типами данных
2 урока
👁
56
👤
48
Закрытый
3.1
Доступ к столбцам и преобразование типов данных
↗
28
24
22м
1
Закрытый
3.2
Преобразование типов данных для оптимизации памяти
↗
28
24
9м
2
4. Фильтрация строк
1 урок
👁
29
👤
20
Закрытый
4.1
Условные фильтры и фильтрация по значениям
↗
29
20
19м
1
5. Сортировка строк
1 урок
👁
27
👤
23
Закрытый
5.1
Сортировка по значениям и индексам
↗
27
23
19м
1
6. Агрегирующие функции и вычисления
2 урока
👁
52
👤
45
Закрытый
6.1
Применение стандартных агрегирующих функций
↗
27
23
12м
1
Закрытый
6.2
Пользовательские функции для агрегации
↗
25
22
15м
2
7. Объединение данных
2 урока
👁
45
👤
37
Закрытый
7.1
Методы объединения данных: merge, join, concat
↗
22
19
23м
1
Закрытый
7.2
Конкатенация таблиц
↗
23
18
13м
1
8. Работа с датами и временем
2 урока
👁
38
👤
34
Закрытый
8.1
Преобразование строк в формат дат
↗
20
17
31м
1
Закрытый
8.2
Извлечение временных компонентов (год, месяц, день)
↗
18
17
4м
1
9. Преобразование значений и редактирование данных
2 урока
👁
38
👤
34
Закрытый
9.1
Замена значений (replace, map, applymap)
↗
18
17
19м
1
Закрытый
9.2
Удаление дубликатов и управление индексами
↗
20
17
12м
1
10. Визуализация данных в Pandas
1 урок
👁
20
👤
13
Закрытый
10.1
Базовая визуализация: гистограммы, boxplot, scatter
↗
20
13
20м
2
11. Слайсинг и выборка данных
1 урок
👁
21
👤
13
Закрытый
11.1
Индексация и выборка данных с помощью .loc и .iloc
↗
21
13
9м
1
12. Работа с текстовыми данными
1 урок
👁
19
👤
11
Закрытый
12.1
Разбор и обработка текстов
↗
19
11
18м
1
13. Pandas и машинное обучение
4 урока
👁
68
👤
30
Закрытый
13.1
Масштабирование данных и нормализация
↗
21
8
9м
1
Закрытый
13.2
Преобразование категориальных признаков(One-Hot, Label Encoding)
↗
16
8
4м
1
Закрытый
13.3
Подготовка данных для ML-моделей
↗
16
8
2м
1
Закрытый
13.4
Обратная связь
↗
15
6
1м
1
2. SQL-собеседование: 200 задач уровня Junior 4.0
1. Основы SQL и подход к задачам на собеседовании
3 урока
👁
51
👤
38
Закрытый
1.1
SELECT, FROM, WHERE
↗
22
13
14м
2
Закрытый
1.2
Условия: AND, OR, IN, BETWEEN, LIKE
↗
16
12
18м
2
Закрытый
1.3
Подход к SQL-задачам на собеседованиях
↗
13
13
2м
1
2. Сортировка и ограничение результатов
3 урока
👁
36
👤
34
Закрытый
2.1
ORDER BY
↗
12
12
5м
2
Закрытый
2.2
LIMIT, OFFSET
↗
12
11
9м
2
Закрытый
2.3
Первые/последние N строк по условию
↗
12
11
8м
2
3. Агрегация и группировка
3 урока
👁
33
👤
30
Закрытый
3.1
COUNT, SUM, AVG, MIN, MAX
↗
11
10
6м
1
Закрытый
3.2
GROUP BY, HAVING
↗
11
10
15м
1
Закрытый
3.3
Группировка по нескольким полям
↗
11
10
18м
1
4. JOIN: работа с несколькими таблицами
3 урока
👁
34
👤
24
Закрытый
4.1
INNER JOIN, LEFT JOIN, RIGHT JOIN
↗
12
8
11м
2
Закрытый
4.2
JOIN на 3+ таблицы
↗
11
8
12м
2
Закрытый
4.3
Обнаружение "висящих" записей (анализ NULL после JOIN)
↗
11
8
0
5. Подзапросы
3 урока
👁
26
👤
19
Закрытый
5.1
Подзапросы в SELECT, WHERE, FROM
↗
11
7
2
Закрытый
5.2
IN, EXISTS, NOT EXISTS
↗
8
6
0
Закрытый
5.3
Коррелированные подзапросы
↗
7
6
0
6. Работа с датами и строками
3 урока
👁
27
👤
17
Закрытый
6.1
DATE функции: NOW, DATEDIFF, EXTRACT
↗
10
5
2
Закрытый
6.2
Строковые функции: CONCAT, SUBSTRING, LENGTH
↗
9
7
1
Закрытый
6.3
CASE WHEN THEN
↗
8
5
2
7. Изменение данных
2 урока
👁
15
👤
14
Закрытый
7.1
INSERT, UPDATE, DELETE
↗
7
7
1
Закрытый
7.2
CREATE, ALTER, DROP
↗
8
7
1
8. Триггеры, индексы и представления
2 урока
👁
13
👤
10
Закрытый
8.1
Индексы и EXPLAIN
↗
7
5
1
Закрытый
8.2
VIEW и материализованные представления
↗
6
5
1
9. Частые ловушки
3 урока
👁
22
👤
13
Закрытый
9.1
NULL в логике
↗
7
6
1
Закрытый
9.2
Дублирующиеся строки
↗
8
3
1
Закрытый
9.3
SELECT N записей из каждой группы
↗
7
4
1
10. Финальные задания
4 урока
👁
35
👤
19
Закрытый
10.1
20 комплексных задач по всем темам
↗
10
4
0
Закрытый
10.2
20 комплексных задач по всем темам
↗
8
4
0
Закрытый
10.3
Чеклист для подготовки к интервью
↗
8
8
1
Закрытый
10.4
Обратная связь
↗
9
3
0
3. Практический Machine Learning
Содержание курса пока недоступно
4. Разведочный анализ данных
1. О курсе и вводная подготовка
1 урок
👁
1
👤
1
Закрытый
1.1
Что такое EDA
↗
1
1
0
2. Математическая и техническая база
2 урока
👁
2
👤
2
Закрытый
2.1
Тест по математике (минимум необходимый)
↗
1
1
0
Закрытый
2.2
Тест по Python
↗
1
1
0
3. Основы работы с данными
4 урока
👁
4
👤
4
Закрытый
3.1
Типы данных, измерения и структура датасета
↗
1
1
0
Закрытый
3.2
Pandas: ключевые операции
↗
1
1
0
Закрытый
3.3
Polars: быстрый анализ больших данных
↗
1
1
0
Закрытый
3.4
Подведение итогов модуля
↗
1
1
0
4. Проверка качества данных
3 урока
👁
3
👤
3
Закрытый
4.1
Работа с пропусками — полный набор техник
↗
1
1
0
Закрытый
4.2
Дубликаты, ошибки и “грязные” данные
↗
1
1
0
Закрытый
4.3
Домашнее задание
↗
1
1
0
5. Визуализация данных
5 уроков
👁
5
👤
4
Закрытый
5.1
Matplotlib/Seaborn: базовые графики
↗
1
1
0
Закрытый
5.2
Plotly: интерактивные графики
↗
1
1
0
Закрытый
5.3
Pairplot, jointplot, тепловые карты
↗
1
1
0
Закрытый
5.4
Ошибки визуализации
↗
1
1
0
Закрытый
5.5
Домашнее задание
↗
1
0
0
6. Глубокий анализ признаков
5 уроков
👁
5
👤
5
Закрытый
6.1
Анализ числовых признаков
↗
1
1
0
Закрытый
6.2
Анализ категориальных признаков
↗
1
1
0
Закрытый
6.3
Взаимосвязь категориальных и числовых признаков
↗
1
1
0
Закрытый
6.4
Выявление выбросов и аномалий
↗
1
1
0
Закрытый
6.5
Домашнее задание
↗
1
1
0
5. Статистика для собеседований 5.0
1. Введение в прикладную статистику
5 уроков
👁
92
👤
73
Закрытый
1.1
Основные понятия: генеральная совокупность, выборка, параметры
↗
22
17
11м
0
Закрытый
1.2
Виды данных: категориальные, числовые, дискретные
↗
17
17
4м
0
Закрытый
1.3
Мера центральной тенденции: среднее, медиана, мода
↗
18
14
10м
0
Закрытый
1.4
Разброс: дисперсия, стандартное отклонение, IQR
↗
17
15
11м
0
Закрытый
1.5
Практика: Вычислить ключевые статистики вручную
↗
18
10
12м
0
2. Распределения вероятностей
7 уроков
👁
99
👤
66
Закрытый
2.1
Что такое распределение и зачем оно нужно
↗
19
13
16м
0
Закрытый
2.2
Нормальное распределение: свойства, Z-оценки
↗
15
11
16м
0
Закрытый
2.3
Биномиальное, Бернулли, Пуассон
↗
15
9
32м
0
Закрытый
2.4
Равномерное, экспоненциальное
↗
11
9
0
Закрытый
2.5
ЦПТ: как объяснить интервьюеру
↗
15
9
8м
0
Закрытый
2.6
Практика: Определить распределение по графику/описанию
↗
12
10
1м
0
Закрытый
2.7
Типичные вопросы с собеседований
↗
12
5
0
3. Оценивание и доверительные интервалы
2 урока
👁
20
👤
10
Закрытый
3.1
Доверительный интервал для среднего, для доли
↗
11
5
10м
0
Закрытый
3.2
Понятие Bootstrap в статистике
↗
9
5
0
4. Гипотезы и статистические тесты
9 уроков
👁
83
👤
37
Закрытый
4.1
Что такое гипотеза: H0 и H1
↗
8
6
0
Закрытый
4.2
Ошибки 1 и 2 рода, уровень значимости, power
↗
8
6
0
Закрытый
4.3
p-value: как правильно объяснять
↗
10
6
8м
0
Закрытый
4.4
t-тест: для чего нужен и как применять
↗
10
5
17м
0
Закрытый
4.5
Z-тест, χ²-тест, F-тест
↗
10
5
49м
0
Закрытый
4.6
A/B-тестирование: полный разбор
↗
12
2
15м
0
Закрытый
4.7
Практика: провести A/B-тест в Python
↗
11
2
1м
0
Закрытый
4.8
Типичные вопросы интервью: часть 1
↗
9
3
0
Закрытый
4.9
Типичные вопросы интервью: часть 2
↗
5
2
0
5. Корреляция и регрессия
5 уроков
👁
24
👤
12
Закрытый
5.1
Корреляция Пирсона, Спирмена, Кендалла
↗
4
1
0
Закрытый
5.2
Ковариация и как её объяснять
↗
5
3
0
Закрытый
5.3
Линейная регрессия: базовые идеи
↗
6
4
0
Закрытый
5.4
Линейная регрессия: мультиколлинеарность, VIF
↗
6
2
0
Закрытый
5.5
Вопросы интервью по корреляции и регрессии
↗
3
2
0
6. Итоговая практика
4 урока
👁
35
👤
12
Закрытый
6.1
Мини-собеседование: 30 типичных вопросов (часть 1)
↗
10
3
0
Закрытый
6.2
Мини-собеседование: 30 типичных вопросов (часть 2)
↗
8
2
0
Закрытый
6.3
Практическое задание: провести A/B тест
↗
8
2
0
Закрытый
6.4
Обратная связь
↗
9
5
0