Курс на Stepik
Обложка курса «Python for Data Science: Практика Numpy» на Stepik
Бесплатно

Stepik Awards 2024 — Номинант в номинации «Лучший курс в категории "Анализ данных"»: курс «Python for Data Science: Практика Numpy» Python for Data Science: Практика Numpy ★ 4.827

Открыть на
STEPIK.ORG

Присоединяйтесь к практико-ориентированному курсу по NumPy. В 'Python for Data Science' акцент делается на решении множества задач, что позволяет применять полученные знания и вспомнить уже отработанный материал.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Python for Data Science: Практика Numpy»Учеников на курсе 7 641
Сертификаты, выданные на курсе «Python for Data Science: Практика Numpy»Сертификатов выдано 0
Отзывы о курсе «Python for Data Science: Практика Numpy»Отзывов получено 214
Рейтинг курса «Python for Data Science: Практика Numpy»Рейтинг курса 4.827
Уроки в курсе «Python for Data Science: Практика Numpy»Количество уроков 15
Тесты в курсе «Python for Data Science: Практика Numpy»Количество квизов 67
Задачи с кодом в курсе «Python for Data Science: Практика Numpy»Количество задач с кодом 139
Время прохождения курса «Python for Data Science: Практика Numpy»Время прохождения курса —
Обновления курса «Python for Data Science: Практика Numpy»Обновления курса — —
Дата публикации курса «Python for Data Science: Практика Numpy»Дата публикации курса — ———
Последнее обновление курса «Python for Data Science: Практика Numpy»Последнее обновление — ———
Сложность easy — ———
4.827 ★
из 5
214 отзывов
★★★★★
189
★★★★★
18
★★★★★
4
★★★★★
1
★★★★★
2
ALKHALID,RAKAN MOHAMMED
ALKHALID,RAKAN MOHAMMED •
★ ★ ★ ★ ★
• 2 недели назад

За время курса я освоил основы работы с библиотекой NumPy в Python. Научился создавать массивы различных размеров и форм (np.array, np.zeros, np.ones, np.arange, np.linspace), выполнять с ними арифметические операции, включая поэлементные и матричные (умножение @). Отдельно хочу отметить изучение индексации и срезов, включая булеву индексацию, которая позволяет эффективно фильтровать данные по условиям. Также я разобрался с агрегатными функциями (sum, mean, min, max, argmin, argmax), статистическими (std, var, median), и функциями для работы с формой массива (reshape, .T). Узнал про полезные методы теории множеств (np.unique, np.intersect1d, np.setdiff1d) и логические операции (np.where, &, |, ~). Что вам понравилось? Больше всего понравилась практическая направленность курса. Каждая новая тема сразу закреплялась задачами, что помогало лучше усвоить материал. Понравилось, что задачи были разнообразными: от простых (создание массивов) до более сложных (анализ финансовых данных, работа с многомерными массивами). Особенно ценным было то, что многие задачи имитировали реальные сценарии — например, расчет налогов, анализ температур или обработка данных о студентах. Что не понравилось? Что можно улучшить? В некоторых задачах встречались опечатки в условиях или несоответствия между формулировкой и ожидаемым выводом. Например, задача про «чётные строки и столбцы», где по факту нужно было брать элементы с индексом 1. Это немного сбивало с толку. Хотелось бы, чтобы проверяющая система была более снисходительна к форматированию вывода, если логика решения верна. Также было бы полезно добавить больше примеров с реальными наборами данных (например, CSV) для отработки навыков анализа. По каким критериям вы выбирали курс и почему решили пройти этот? Я искал курс по Python для анализа данных, так как NumPy — это базовая библиотека, без которой невозможно двигаться дальше (в pandas, matplotlib, scikit-learn). Решил пройти этот курс, потому что он обещал структурированное введение в NumPy с большим количеством практики. Формат с пошаговыми задачами и мгновенной проверкой показался мне очень удобным для самостоятельного обучения.

Олег Мамонтов
Олег Мамонтов •
★ ★ ★ ★ ★
• 3 недели назад

Несложный и приятный курс. Не лучшим образом сделана проверка заданий (один заранее известный кейс с заранее известным ответом), но как краткий курс по numpy - отлично

ИВАН ФЕДОРОВИЧ ЖАРИНОВ
ИВАН ФЕДОРОВИЧ ЖАРИНОВ •
★ ★ ★ ★ ★
• 2 месяца назад

Прекрасное сочетание минимальной необходимой, понятной и наглядной теории и практики

Пашко Михаил
Пашко Михаил •
★ ★ ★ ★ ★
• 2 месяца назад

Краткий и очень объемный курс, долго не доходили руки до NumPy, получилось за 1 вечер в нем разобраться