Чему вы научитесь
- выбирать `list`, `tuple`, `set` или `dict` по требуемой операции;
- разбирать и агрегировать вложенные записи;
- проектировать функции с явной сигнатурой и передавать функцию как правило;
- проверять входные данные и перехватывать только ожидаемые исключения;
- безопасно разбирать пути, кодировку и план атомарной записи;
- читать и формировать JSON/CSV с отдельной проверкой предметной схемы;
- применять `Counter`, `defaultdict`, `Decimal`, `statistics`, `itertools`,
- собирать конвейер `parse → validate → normalize → deduplicate → report`.
О курсе
Научитесь превращать строки и небольшие JSON/CSV-наборы в проверенный отчёт: выбирать коллекцию по операции, отделять ошибки данных от ошибок программы и связывать чистые стадии в один DataFlow. Внутри 162 шага и 99 code-задач; курс рассчитан на выпускников базового K0.
Для кого этот курс
- Для выпускников базового Python, знакомых со строками, условиями, циклами,
списками и функциями.
- Для начинающих аналитиков и разработчиков, которым нужно обрабатывать
небольшие структурированные выгрузки.
- Для авторов скриптов, желающих заменить неявные форматы и широкий
except
проверяемыми контрактами.
Начальные требования
Нужны навыки K0 либо успешное прохождение входной диагностики. ООП, pytest, typing, Git, базы данных и внешний API не требуются. Python 3.12 локально нужен только для необязательной файловой лаборатории.
Преподаватели курса
10 460
Как проходит обучение
Каждый урок начинается с объяснения и исполняемого примера, затем поддержка постепенно снимается в практических задачах. Ошибочный ответ получает адресную диагностику, а итог урока указывает конкретный материал для повторения.
Что вы получите
- 99 проверяемых практических задач;
- сохраняемый DataFlow starter project с тестами;
- единый маршрут обработки JSON/CSV от разбора до отчёта;
- итоговый локальный quality gate.
Нагрузка
В своём темпе: 18 уроков и 99 практических задач