Содержание пакета (5 курсов)
1. Numpy для анализа данных 4.76
Введение в NumPy
3 урока
1.
Знакомство с библиотекой NumPy
↗
2.
Основы работы с массивами
↗
3.
Типы данных в NumPy
↗
Операции с массивами
3 урока
1.
Арифметика с массивами
↗
2.
Статистические операции
↗
3.
Математические функции в NumPy
↗
Многомерные массивы
2 урока
1.
Работа с двумерными массивами
↗
2.
Создание и манипуляции с многомерными массивами
↗
Манипуляции с данными
3 урока
1.
Изменение формы и размера массивов
↗
2.
Работа с пустыми и NaN значениями
↗
3.
Подсчёт уникальных значений и их частот
↗
Работа с большими данными и производительность
2 урока
1.
Производительность NumPy
↗
2.
Работа с большими массивами
↗
Применение NumPy в анализе данных
4 урока
1.
Загрузка и сохранение данных
↗
2.
Применение NumPy для анализа временных рядов: часть 1
↗
3.
Применение NumPy для анализа временных рядов: часть 2
↗
4.
Обратная связь
↗
2. Pandas для анализа данных 4.60
Чтение данных из файлов
2 урока
1.
Импорт данных из форматов CSV, Excel, JSON
↗
2.
Обработка крупных файлов с chunksize
↗
Экспресс знакомство с данными
3 урока
1.
Методы быстрого просмотра: head(), tail(), sample()
↗
2.
Основные характеристики данных: info(), describe()
↗
3.
Выявление и обработка пропущенных значений
↗
Вывод столбцов и работа с типами данных
2 урока
1.
Доступ к столбцам и преобразование типов данных
↗
2.
Преобразование типов данных для оптимизации памяти
↗
Фильтрация строк
1 урок
1.
Условные фильтры и фильтрация по значениям
↗
Сортировка строк
1 урок
1.
Сортировка по значениям и индексам
↗
Агрегирующие функции и вычисления
2 урока
1.
Применение стандартных агрегирующих функций
↗
2.
Пользовательские функции для агрегации
↗
Объединение данных
2 урока
1.
Методы объединения данных: merge, join, concat
↗
2.
Конкатенация таблиц
↗
Работа с датами и временем
2 урока
1.
Преобразование строк в формат дат
↗
2.
Извлечение временных компонентов (год, месяц, день)
↗
Преобразование значений и редактирование данных
2 урока
1.
Замена значений (replace, map, applymap)
↗
2.
Удаление дубликатов и управление индексами
↗
Визуализация данных в Pandas
1 урок
1.
Базовая визуализация: гистограммы, boxplot, scatter
↗
Слайсинг и выборка данных
1 урок
1.
Индексация и выборка данных с помощью .loc и .iloc
↗
Работа с текстовыми данными
1 урок
1.
Разбор и обработка текстов
↗
Pandas и машинное обучение
4 урока
1.
Масштабирование данных и нормализация
↗
2.
Преобразование категориальных признаков(One-Hot, Label Encoding)
↗
3.
Подготовка данных для ML-моделей
↗
4.
Обратная связь
↗
3. SQL-собеседование: 200 задач уровня Junior 4.00
Основы SQL и подход к задачам на собеседовании
3 урока
1.
SELECT, FROM, WHERE
↗
2.
Условия: AND, OR, IN, BETWEEN, LIKE
↗
3.
Подход к SQL-задачам на собеседованиях
↗
Сортировка и ограничение результатов
3 урока
1.
ORDER BY
↗
2.
LIMIT, OFFSET
↗
3.
Первые/последние N строк по условию
↗
Агрегация и группировка
3 урока
1.
COUNT, SUM, AVG, MIN, MAX
↗
2.
GROUP BY, HAVING
↗
3.
Группировка по нескольким полям
↗
JOIN: работа с несколькими таблицами
3 урока
1.
INNER JOIN, LEFT JOIN, RIGHT JOIN
↗
2.
JOIN на 3+ таблицы
↗
3.
Обнаружение "висящих" записей (анализ NULL после JOIN)
↗
Подзапросы
3 урока
1.
Подзапросы в SELECT, WHERE, FROM
↗
2.
IN, EXISTS, NOT EXISTS
↗
3.
Коррелированные подзапросы
↗
Работа с датами и строками
3 урока
1.
DATE функции: NOW, DATEDIFF, EXTRACT
↗
2.
Строковые функции: CONCAT, SUBSTRING, LENGTH
↗
3.
CASE WHEN THEN
↗
Изменение данных
2 урока
1.
INSERT, UPDATE, DELETE
↗
2.
CREATE, ALTER, DROP
↗
Триггеры, индексы и представления
2 урока
1.
Индексы и EXPLAIN
↗
2.
VIEW и материализованные представления
↗
Частые ловушки
3 урока
1.
NULL в логике
↗
2.
Дублирующиеся строки
↗
3.
SELECT N записей из каждой группы
↗
Финальные задания
4 урока
1.
20 комплексных задач по всем темам
↗
2.
20 комплексных задач по всем темам
↗
3.
Чеклист для подготовки к интервью
↗
4.
Обратная связь
↗
4. Анализ данных с нуля: визуализация, корреляции, практика 5.00
Введение
2 урока
1.
Что такое анализ данных
↗
2.
Основы Python для аналитики (переменные, списки, циклы, функции)
↗
Работа с данными в Pandas
5 уроков
1.
Загрузка и просмотр данных (read_csv, .head(), .info())
↗
2.
Индексация, выборка, фильтрация
↗
3.
Работа с пропущенными значениями
↗
4.
Группировка и агрегация
↗
5.
Сохранение результатов
↗
Визуализация данных
4 урока
1.
Введение в Matplotlib
↗
2.
Seaborn: быстрые и стильные визуализации
↗
3.
Настройка графиков: подписи, цвета, размеры
↗
4.
Совмещение графиков, подграфики (subplots)
↗
Корреляции и связи
3 урока
1.
Понятие корреляции и ковариации
↗
2.
Метод .corr() и тепловая карта
↗
3.
Ошибки и ложные корреляции
↗
Линейная регрессия
2 урока
1.
Линейная регрессия — понятие и основные идеи
↗
2.
Построение линейной регрессии
↗
Проект в портфолио
2 урока
1.
Финальный проект
↗
2.
Обратная связь
↗
5. Визуализация с Matplotlib для анализа данных 5.00
Введение в курс
2 урока
1.
Что такое Matplotlib?
↗
2.
Установка модуля, импорт модуля, проверка версии модуля
↗
Основы построения графиков
3 урока
1.
Построение простого графика
↗
2.
Настройка внешнего вида графика
↗
3.
Добавление элементов и сохранение
↗
Несколько графиков и подграфики
1 урок
1.
Несколько графиков на одной фигуре — plt.subplot()
↗
Разные типы графиков
11 уроков
1.
Диаграмма рассеяния — plt.scatter()
↗
2.
Столбчатая диаграмма — plt.bar()
↗
3.
Гистограмма — plt.hist()
↗
4.
Диаграмма размаха (boxplot) — plt.boxplot()
↗
5.
Круговая диаграмма — plt.pie()
↗
6.
Стековый график — plt.stackplot()
↗
7.
Stem-диаграмма — plt.stem()
↗
8.
Ступенчатый график — plt.step()
↗
9.
График с погрешностями — plt.errorbar()
↗
10.
Контурный график — plt.contour()
↗
11.
Обратная связь
↗