Сколько стоит курс «Библиотеки NumPy и pandas (с нуля до уверенной работы)»?

Стоимость курса составляет 1690.00 рублей

Сколько времени занимает прохождение курса «Библиотеки NumPy и pandas (с нуля до уверенной работы)»?

Прохождение курса «Библиотеки NumPy и pandas (с нуля до уверенной работы)» занимает примерно 5 часов.

Какой рейтинг у курса «Библиотеки NumPy и pandas (с нуля до уверенной работы)»?

Курс имеет рейтинг 5.0 из 5 на основе 1 отзывов. На курсе обучается 3 учеников.

Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 2 учеников получили сертификат (66.7% завершаемость).

Где можно пройти курс «Библиотеки NumPy и pandas (с нуля до уверенной работы)»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/240480.

Курс на Stepik

Обложка курса «Библиотеки NumPy и pandas (с нуля до уверенной работы)» на Stepik

1 690 ₽

Библиотеки NumPy и pandas (с нуля до уверенной работы) ★ 5.000

Name: Библиотеки NumPy и pandas (с нуля до уверенной работы)
Price: 1690.00 RUB
Availability: InStock
Rating: 5.0 (1 reviews)

Открыть на
STEPIK.ORG

Умение работы с NumPy и pandas – это важный шаг в освоении многих современных профессий (Data Analyst, Data Scientist, ML-engineer и других).

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	3
Сертификатов выдано	2
Отзывов получено	1
Рейтинг курса	5.000
Количество уроков	47
Количество квизов	196
Количество задач с кодом	12
Время прохождения курса	5 ч.	—
Стоимость курса	1 690 ₽	—
Обновления курса	—	—
Дата публикации курса	1 год назад	—	—	—	—
Последнее обновление	5 августа 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание курса

Разделы в курсе «Библиотеки NumPy и pandas (с нуля до уверенной работы)»

12 разделов Уроки в курсе «Библиотеки NumPy и pandas (с нуля до уверенной работы)»

47 уроков Тесты в курсе «Библиотеки NumPy и pandas (с нуля до уверенной работы)»

196 тестов Задачи в курсе «Библиотеки NumPy и pandas (с нуля до уверенной работы)»

12 задач Время прохождения курса «Библиотеки NumPy и pandas (с нуля до уверенной работы)»

5 ч.

обн. 5 августа 2026

Понятие массива. Их создание, индексация и срезы

6 уроков

1. О библиотеке NumPy ↗

2. Установка и импорт NumPy ↗

3. Понятие массива. Создание и атрибуты массивов ↗

4. Дополнительные способы создания массивов ↗

5. Индексация массивов ↗

6. Срезы массивов ↗

Арифметические и прочие операции с массивами

4 урока

1. Арифметические операции с массивами ↗

2. Специальные константы и форматы данных NumPy ↗

3. Математические и статистические функции работы с массивами ↗

4. Функции NumPy для изменения формы массивов ↗

Функции линейной алгебры, полезные на практике функции NumPy

3 урока

1. Функции по изменению массивов и добавлению новых элементов ↗

2. Функции линейной алгебры в NumPy ↗

3. Наиболее полезные на практике функции библиотеки NumPy ↗

Структурированные массивы и дополнительные функции NumPy

4 урока

1. Структурированные массивы ↗

2. Дополнительные функции библиотеки NumPy ↗

3. Первая часть теста по основам NumPy ↗

4. Вторая часть теста по основам NumPy ↗

Основы библиотеки pandas, объекты Series и DataFrame

5 уроков

1. О библиотеке pandas ↗

2. Основные объекты pandas ↗

3. Создание объектов Series и DataFrame и их особенности ↗

4. Чтение данных с использованием функций pandas ↗

5. Сохранение объектов библиотеки pandas в файл ↗

Особенности индексации в pandas и основные типы данных

3 урока

1. Особенности индексации в pandas ↗

2. Атрибуты-индексаторы loc и iloc, at и iat ↗

3. Основные типы данных в pandas ↗

Операции со столбцами и строками. Работа с пропусками данных

4 урока

1. Функции и методы для знакомства с исходным набором данных ↗

2. Работа с индексами объекта DataFrame ↗

3. Операции со столбцами и строками объекта DataFrame ↗

4. Работа с пропущенными значениями. Агрегирующие методы ↗

Объединение таблиц, группировка и агрегирование данных

5 уроков

1. Сортировка строк и перестановка местами столбцов таблиц ↗

2. Работа со строковыми данными в pandas ↗

3. Использование метода apply ↗

4. Функции и методы объединения нескольких таблиц ↗

5. Группировка и агрегирование данных в pandas ↗

Полезные функции и методы pandas. Сводные таблицы

3 урока

1. Полезные на практике функции и методы pandas ↗

2. Основы работы с временными рядами в pandas ↗

3. Изменение формы представления данных. Сводные таблицы ↗

Практикум. Решение различных задач анализа данных

3 урока

1. Решение простых задач анализа исходных данных ↗

2. Анализ данных в формате datetime64 ↗

3. Работа с проектом по очистке и фильтрации исходных данных ↗

Практикум. Разведочный анализ данных (EDA)

3 урока

1. Проект по очистке, группировке и фильтрации данных ↗

2. Проект по объединению таблиц, группировке и агрегированию данных ↗

3. Общий алгоритм разведочного анализа данных ↗

Итоговый тест и проект курса

4 урока

1. Первая часть итогового теста ↗

2. Вторая часть итогового теста ↗

3. Указания по выполнению итогового проекта ↗

4. Заключительный раздел курса ↗