Курс на Stepik
Обложка курса «NumPy для анализа данных: массивы, векторизация и практика» на Stepik
Бесплатно

NumPy для анализа данных: массивы, векторизация и практика ★ 0.000

Открыть на
STEPIK.ORG

Практический курс по NumPy для начинающих аналитиков: лёгкий старт без сложного ввода, понятные визуализации, задачи с проверкой, авторские решения и маршрут на zasqlpython.ru.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «NumPy для анализа данных: массивы, векторизация и практика»Учеников на курсе 193
Сертификаты, выданные на курсе «NumPy для анализа данных: массивы, векторизация и практика»Сертификатов выдано 0
Отзывы о курсе «NumPy для анализа данных: массивы, векторизация и практика»Отзывов получено 0
Рейтинг курса «NumPy для анализа данных: массивы, векторизация и практика»Рейтинг курса 0.000
Уроки в курсе «NumPy для анализа данных: массивы, векторизация и практика»Количество уроков 62
Тесты в курсе «NumPy для анализа данных: массивы, векторизация и практика»Количество квизов 129
Задачи с кодом в курсе «NumPy для анализа данных: массивы, векторизация и практика»Количество задач с кодом 67
Время прохождения курса «NumPy для анализа данных: массивы, векторизация и практика»Время прохождения курса —
Обновления курса «NumPy для анализа данных: массивы, векторизация и практика»Обновления курса — —
Дата публикации курса «NumPy для анализа данных: массивы, векторизация и практика»Дата публикации курса — ———
Последнее обновление курса «NumPy для анализа данных: массивы, векторизация и практика»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «NumPy для анализа данных: массивы, векторизация и практика» 31 раздел Уроки в курсе «NumPy для анализа данных: массивы, векторизация и практика» 62 урока Тесты в курсе «NumPy для анализа данных: массивы, векторизация и практика» 129 тестов Задачи в курсе «NumPy для анализа данных: массивы, векторизация и практика» 67 задач Время прохождения курса «NumPy для анализа данных: массивы, векторизация и практика» 3 ч. Последнее обновление курса «NumPy для анализа данных: массивы, векторизация и практика» обн. 24 августа 2026

Быстрый старт NumPy

2 урока
1. Быстрый старт: импорт, единицы, диапазон и форма ↗
2. Быстрый старт: форма, индексы, маски, агрегаты ↗

Основы работы с массивами

2 урока
1. Почему NumPy помогает быстрее считать данные ↗
2. Создание массивов, форма, типы данных и память ↗

Управление данными внутри массива

2 урока
1. Индексация, срезы, представления и копии ↗
2. Булевы маски и условные преобразования ↗

Векторизация: расширение размеров и новая форма

2 урока
1. Как NumPy расширяет размеры в операциях ↗
2. Новая форма, транспонирование и сборка шагов ↗

Базовые приёмы анализа

2 урока
1. Агрегации, оси, keepdims и базовые приёмы ↗
2. Генераторы случайных чисел и симуляции ↗

Матрицы, скорость и итоговая практика

2 урока
1. Линейная алгебра: dot, matmul, solve и геометрия ↗
2. Векторизация и скоринг табличных данных ↗

Признаки, похожесть объектов и первый шаг модели

2 урока
1. Масштабирование признаков, расстояние и похожесть ↗
2. Один шаг градиентного спуска для линейной регрессии ↗

Геометрия данных и расстояния

2 урока
1. Ковариация, корреляция и геометрия признаков ↗
2. Матрица расстояний и центральный объект ↗

Главные компоненты, SVD и сжатие матриц

2 урока
1. Главные компоненты и проекции данных ↗
2. SVD и сжатие матриц меньшим числом компонент ↗

Временные ряды и устойчивые приёмы анализа

2 урока
1. Скользящие окна, лаги и признаки времени ↗
2. Устойчивый поиск аномалий: медиана, MAD и пороги ↗

Рекомендации и категориальные признаки

2 урока
1. Кодирование категорий, bincount и признаки ↗
2. kNN и оценка рекомендаций без циклов ↗

Эксперименты и вероятностная аналитика

2 урока
1. A/B-тесты: эффект, ошибка и z-score ↗
2. Бутстрэп, повторные выборки и доверительные интервалы ↗

Метрики и численная устойчивость

2 урока
1. Матрица ошибок, точность, полнота и F1 ↗
2. Устойчивая нормировка вероятностей и ошибка модели ↗

Поиск похожих объектов и ранжирование

2 урока
1. Векторные представления и поиск похожих объектов ↗
2. Метрики ранжирования: Precision@k, Recall@k и средняя точность ↗

Пороги, калибровка и качество вероятностей

2 урока
1. Перебор порогов, точность, полнота и выбор решения ↗
2. Калибровка вероятностей, Brier score и ECE ↗

Когорты, удержание и воронки

2 урока
1. Матрица удержания, когорты и активность по лагам ↗
2. Воронка, конверсия и потери между шагами ↗

Метрики регрессии и контроль сдвига

2 урока
1. Метрики регрессии: MAE, RMSE, SMAPE и смещение ↗
2. PSI и контроль изменения распределений ↗

Справочник, частые ошибки и карта повторения

2 урока
1. Справочник по NumPy: какой приём выбрать под задачу ↗
2. Как возвращаться в курс: антиграбли, сигналы и карта повторения ↗

Пропуски, подготовка данных и сегментация

2 урока
1. Пропуски, заполнение и оценка качества строк ↗
2. Ближайший центр и профиль сегмента ↗

Устойчивый анализ: квантили, интервалы и связи

2 урока
1. Квантили, ограничение выбросов и устойчивые корзины ↗
2. Матрицы совместных появлений, einsum и связи товаров ↗

Поиск места вставки, атрибуция и сценарии

2 урока
1. searchsorted, атрибуция и выравнивание событий ↗
2. Метод Монте-Карло, сценарные матрицы и коридоры неопределённости ↗

Накопление по индексам и быстрый выбор лучших

2 урока
1. Накопление по индексам, np.add.at и таблицы событий ↗
2. argpartition и быстрый выбор лучших объектов ↗

Децили, прирост и карты плотности

2 урока
1. Корзины скоринга, децили и анализ прироста ↗
2. Двумерные карты плотности, корзины и зоны концентрации ↗

Наглядный справочник NumPy

2 урока
1. Наглядный справочник: массивы, форма, оси и расширение размеров ↗
2. Оси, keepdims и безопасное расширение размеров ↗

Маски, правила и просадка показателя

2 урока
1. Маски, np.select и разбиение скоринга на группы ↗
2. Бегущие максимумы, просадка и периоды восстановления ↗

Парето, бюджет и приоритизация

2 урока
1. Кривая Парето, накопленная доля и главные участники ↗
2. Бюджет, ранжирование по отдаче и план сокращений ↗

Уникальные значения и группировки без pandas

2 урока
1. Уникальные значения, обратные индексы и группировка без pandas ↗
2. Плотная сводная таблица и пары ключей без pandas ↗

Множества, пересечения и быстрый поиск

2 урока
1. Пересечение аудиторий, np.isin и Jaccard без pandas ↗
2. Таблицы поиска, argsort + searchsorted и соединение без pandas ↗

Удержание, риск ухода и ценность клиента

2 урока
1. Кривые удержания, риск ухода и чтение оттока без pandas ↗
2. Дисконтированная ценность клиента, окупаемость и экономика ↗

Матрицы переходов и прогноз состояний

2 урока
1. Матрицы переходов, утечка и потоки состояний без pandas ↗
2. Прогноз состояний, доля активных и состав базы на горизонте ↗

Чтение таблиц, пропуски и даты

2 урока
1. Чтение текстовой таблицы, пропуски и отчёт качества ↗
2. Даты, окна активности и безопасные вычисления ↗