Чему вы научитесь
- уверенно работать с Series, DataFrame и системой выражений Polars
- читать и записывать CSV, JSON и Parquet с явной схемой и корректными типами
- строить join, aggregation, window и reshape-преобразования без циклов по строкам
- применять LazyFrame, pushdown, streaming и анализ плана запроса
- тестировать схемы и данные, измерять производительность и память
- собирать надёжный production ETL/ELT-пайплайн с мониторингом
О курсе
Polars 1.42 для дата-инженеров: Series, DataFrame, expressions, LazyFrame, оптимизатор, streaming, Arrow, тестирование и production ETL/ELT.
Для кого этот курс
дата-инженеры, обрабатывающие CSV, Parquet и большие табличные наборы в Python; pandas-разработчики, которым нужны скорость, строгие типы и lazy execution; аналитические инженеры, строящие локальные ETL/ELT-пайплайны; Python-разработчики, интегрирующие Arrow, DuckDB, базы данных и lakehouse.
Начальные требования
базовый Python: функции, коллекции, файлы и виртуальное окружение Python 3.12+, Polars 1.42 и PyArrow; установка разобрана в курсе знание pandas или SQL полезно, но не является обязательным
Преподаватели курса
193
Как проходит обучение
Каждый урок проходится по циклу: понять идею, запустить и изменить пример, ответить на тест, самостоятельно решить практику и только затем свериться с разбором.
Материал выстроен последовательно, без обязательных дедлайнов. Рекомендуется вести учебный репозиторий и журнал ошибок.
Формат курса
Самостоятельный текстовый курс: подробная теория, запускаемые примеры, тесты для самопроверки, практические задачи с решениями и итоговый проект.
Что вы получите
- полный текстовый конспект курса с рабочими примерами
- 752 тестовых вопросов для самопроверки
- 479 практических задач с решениями
- итоговый проект: End-to-end ETL интернет-магазина: чтение сырых файлов, явные схемы, очистка, join и агрегации, ленивый streaming-план, Parquet-витрины, тесты и мониторинг.
Нагрузка
100-160 часов