Сколько стоит курс «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение»?

Стоимость курса составляет 3900.00 рублей

Где можно пройти курс «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/175382.

Курс на Stepik

Обложка курса «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение» на Stepik

3 900 ₽

Пакет курсов "Data Scientist": Python + SQL + Машинное обучение ★ 4.942

Name: Пакет курсов "Data Scientist": Python + SQL + Машинное обучение
Price: 3900.00 RUB
Availability: InStock
Rating: 4.941676178089222 (26 reviews)

Открыть на
STEPIK.ORG

Более 70 часов видео-лекций! 👍 Победитель Stepik Awards в номинации "Прорыв года"! 🏆 Самые востребованные навыки Python + SQL + Machine Learning в едином пакете - для Дата Сайентистов, Аналитиков данных, Инженеров данных и всех интересующихся. Много практики + теория тоже есть! 🔥Оперативная поддержка автора!🔥 Почитайте отзывы на отдельные курсы, входящие в пакет (особенно отзывы на курс по машинному обучению), и смелее записывайтесь!

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	2 952
Сертификатов выдано	0
Отзывов получено	507
Рейтинг курса	4.942
Курсов в пакете	3	—	—	—	—
Количество уроков	432
Количество квизов	106
Количество задач с кодом	34
Время прохождения курса	75 ч.	—
Стоимость курса	3 900 ₽	—
Обновления курса	—	—
Дата публикации курса	3 года назад	—	—	—	—
Последнее обновление	1 год назад	—	—	—	—

Содержание пакета (3 курса)

Курсы в пакете «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение»

3 курса Уроки в курсе «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение»

432 урока Тесты в курсе «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение»

106 тестов Задачи в курсе «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение»

34 задачи Время прохождения курса «Пакет курсов "Data Scientist": Python + SQL + Машинное обучение»

75 ч.

1. Машинное Обучение в Python: Большой Курс для Начинающих 4.98

6 564

231

52 ч.

Вводная часть курса

8 уроков

1. Добро пожаловать на курс! ↗

2. Материалы курса - ZIP-файлы для скачивания ↗

3. Установка Anaconda, Python, Jupyter Notebook ↗

4. Прочтите эту статью - Замечание о настройке среды разработки ↗

5. Настройка среды разработки ↗

6. Если мешает Anaconda Toolbox ↗

7. Часто задаваемые вопросы ↗

8. Полезные советы об интерфейсе Stepik (опционально) ↗

ОПЦИОНАЛЬНО: Экспресс-курс по Python

6 уроков

1. Пару слов об экспресс-курсе ↗

2. Экспресс-курс по Python - Часть 1 ↗

3. Экспресс-курс по Python - Часть 2 ↗

4. Экспресс-курс по Python - Часть 3 ↗

5. Проверочные упражнения по Python ↗

6. Решения для проверочных упражнений по Python ↗

Этапы работ по машинному обучению

1 урок

1. Этапы работ по машинному обучению ↗

NumPy

7 уроков

1. Обзор раздела про NumPy ↗

2. Массивы NumPy ↗

3. Индексация и выбор данных из массивов NumPy ↗

4. Операции в NumPy ↗

5. Проверочные упражнения по NumPy - Часть 1 ↗

6. Проверочные упражнения по NumPy - Часть 2 ↗

7. Решения для проверочных упражнений по NumPy ↗

Pandas

28 уроков

1. Обзор раздела про Pandas ↗

2. Series - Часть 1 ↗

3. Series - Часть 2 ↗

4. Датафреймы - Часть 1 - Создание датафреймов ↗

5. Датафреймы - Часть 2 - Основные атрибуты ↗

6. Датафреймы - Часть 3 - Работа с колонками ↗

7. Датафреймы - Часть 4 - Работа со строками ↗

8. Выборка данных по условию (Conditional Filtering) ↗

9. Полезные методы - Apply для одной колонки ↗

10. Полезные методы - Apply для нескольких колонок ↗

11. Полезные методы - Статистическая информация и сортировка данных ↗

12. Отсутствующие данные (missing data) - Обзор ↗

13. Отсутствующие данные (missing data) - Операции в Pandas ↗

14. Агрегация данных GROUP BY - Часть 1 ↗

15. Агрегация данных GROUP BY - Часть 2 - Мульти-индекс ↗

16. Объединение датафреймов - Конкатенация ↗

17. Объединение датафреймов - Inner Merge ↗

18. Объединение датафреймов - Left и Right Merge ↗

19. Объединение датафреймов - Outer Merge ↗

20. Методы Pandas для текста ↗

21. Методы Pandas для даты и времени ↗

22. Input/Output в Pandas - CSV-файлы ↗

23. Input/Output в Pandas - HTML-таблицы ↗

24. Input/Output в Pandas - Excel-файлы ↗

25. Input/Output в Pandas - SQL базы данных ↗

26. Сводные таблицы в Pandas (pivot tables) ↗

27. Проверочные упражнения по Pandas ↗

28. Решения для проверочных упражнений по Pandas ↗

Matplotlib

11 уроков

1. Обзор раздела про Matplotlib ↗

2. Основы Matplotlib ↗

3. Объект Figure - принципы работы ↗

4. Объект Figure - код в Python ↗

5. Объект Figure - код в Python ↗

6. Subplots - несколько графиков рядом друг с другом ↗

7. Стилизация Matplotlib: легенды ↗

8. Стилизация Matplotlib: цвета и стили ↗

9. Дополнительные материалы по Matplotlib ↗

10. Проверочные упражнения по Matplotlib ↗

11. Решения для проверочных упражнений по Matplotlib ↗

Seaborn

14 уроков

1. Обзор раздела про Seaborn ↗

2. Scatterplots - Графики рассеяния (диаграммы рассеяния) ↗

3. Distribution Plots - Часть 1 - Типы графиков ↗

4. Distribution Plots - Часть 2 - Код в Python ↗

5. Categorical Plots - Статистики по категориям - Типы графиков ↗

6. Categorical Plots - Статистики по категориям - Код в Python ↗

7. Categorical Plots - Распределения по категориям - Типы графиков ↗

8. Categorical Plots - Распределения по категориям - Код в Python ↗

9. Графики сравнения - Типы графиков ↗

10. Графики сравнения - Код в Python ↗

11. Seaborn Grid ↗

12. Матричные графики ↗

13. Проверочные упражнения по Seaborn ↗

14. Решения для проверочных упражнений по Seaborn ↗

Большой Проект по Визуализации Данных

4 урока

1. Обзор Проекта по Визуализации Данных ↗

2. Разбор решений проекта - Часть 1 ↗

3. Разбор решений проекта - Часть 2 ↗

4. Разбор решений проекта - Часть 3 ↗

Обзор Машинного Обучения

5 уроков

1. Обзор раздела ↗

2. Зачем нужно машинное обучение ↗

3. Типы алгоритмов машинного обучения ↗

4. Процесс для обучения с учителем (supervised learning) ↗

5. (ОПЦИОНАЛЬНО) Дополнительная книга для чтения - ISLR ↗

Линейная Регрессия

26 уроков

1. Обзор раздела про линейную регрессию ↗

2. Линейная регрессия - История алгоритма ↗

3. Наименьшие квадраты ↗

4. Функция стоимости (Cost Function) ↗

5. Градиентный спуск (Gradient Descent) ↗

6. Простая линейная регрессия ↗

7. Обзор Scikit-Learn ↗

8. Scikit-Learn - Train Test Split ↗

9. Scikit-Learn - оценка работы модели ↗

10. Графики остатков - Residual Plots ↗

11. Внедрение модели и интерпретация коэффициентов ↗

12. Полиномиальная регрессия - теория ↗

13. Полиномиальная регрессия - создание признаков ↗

14. Полиномиальная регрессия - обучение и оценка модели ↗

15. Дилемма смещения-дисперсии (Bias-Variance Trade-Off) ↗

16. Полиномиальная регрессия - выбираем степень полинома ↗

17. Полиномиальная регрессия - внедрение модели ↗

18. Регуляризация - обзор ↗

19. Масштабирование признаков (feature scaling) ↗

20. Кросс-валидация - обзор ↗

21. Регуляризация - подготовка данных ↗

22. L2 Регуляризация - Ридж-регрессия - теория ↗

23. L2 Регуляризация - Ридж-регрессия - код в Python ↗

24. L1 Регуляризация - Лассо-регрессия - теория и код в Python ↗

25. L1 и L2 Регуляризация - Эластичная сеть Elastic Net ↗

26. Обзор данных для проверочного проекта по линейной регрессии ↗

Конструирование признаков (Feature Engineering), готовим данные

6 уроков

1. Обзор раздела - Feature Engineering ↗

2. Работа с выбросами (outliers) ↗

3. Работа с отсутствующими данными (missing data) - Часть 1 ↗

4. Работа с отсутствующими данными (missing data) - Часть 2 ↗

5. Работа с отсутствующими данными (missing data) - Часть 3 ↗

6. Работа с категориальными переменными ↗

Кросс-валидация и Проверочный проект по линейной регрессии

9 уроков

1. Обзор раздела про кросс-валидацию ↗

2. Разбиение Train | Test Split ↗

3. Разбиение Train | Validation | Test Split ↗

4. Кросс-валидация - cross_val_score ↗

5. Кросс-валидация - cross_validate ↗

6. Поиск по сетке - Grid Search ↗

7. Случайный поиск - Random Search ↗

8. Обзор проверочного проекта по линейной регрессии ↗

9. Решения для проверочного проекта по линейной регрессии ↗

Логистическая регрессия

15 уроков

1. Обзор раздела про логистическую регрессию ↗

2. Теория логистической регрессии - Часть 1 - Логистическая функция ↗

3. Теория логистической регрессии - Часть 2 - От линейной к логист. ↗

4. Теория логистической регрессии - Часть 3 - Математика перехода ↗

5. Теория логистической регрессии - Часть 4 - Поиск графика ↗

6. Логистическая регрессия в Scikit-Learn - Часть 1 - EDA ↗

7. Логистическая регрессия в Scikit-Learn - Часть 2 - Модель ↗

8. Метрики классификации - Confusion Matrix и Accuracy ↗

9. Метрики классификации - Precision, Recall и F1-Score ↗

10. Метрики классификации - ROC-кривые ↗

11. Логистическая регрессия в Scikit-Learn - Часть 3 - Оценка модели ↗

12. Мульти-классовая классификация - Логистическая регрессия - EDA ↗

13. Мульти-классовая классификация - Логистическая регрессия -Модель ↗

14. Проверочный проект по логистической регрессии ↗

15. Решения для проверочного проекта по логистической регрессии ↗

Метод К-ближайших соседей (KNN - K-Nearest Neighbors)

6 уроков

1. Обзор раздела про метод К-ближайших соседей ↗

2. Теория метода К-ближайших соседей ↗

3. KNN: пишем код в Python - Часть 1 ↗

4. KNN: пишем код в Python - Часть 2 ↗

5. Проверочные упражнения по KNN ↗

6. Решения для проверочных упражнений по KNN ↗

Метод опорных векторов (SVM - Support Vector Machines)

10 уроков

1. Обзор раздела про метод опорных векторов ↗

2. История метода опорных векторов ↗

3. Теория метода опорных векторов - Гиперплоскости и зазоры ↗

4. Теория метода опорных векторов - ядра (kernels) ↗

5. Теория метода опорных векторов - "kernel trick" и математика ↗

6. SVM в Scikit-Learn для задач классификации - Часть 1 ↗

7. SVM в Scikit-Learn для задач классификации - Часть 2 ↗

8. SVM в Scikit-Learn для задач регрессии ↗

9. Проверочные упражнения по методу опорных векторов ↗

10. Решения для проверочных упражнений по методу опорных векторов ↗

Деревья решений - Decision Trees

8 уроков

1. Обзор раздела про деревья решений ↗

2. Деревья решений - История ↗

3. Деревья решений - Терминология ↗

4. Деревья решений - метрика "Gini Impurity" ↗

5. Построение деревьев решений с помощью Gini Impurity - Часть 1 ↗

6. Построение деревьев решений с помощью Gini Impurity - Часть 2 ↗

7. Код в Python для деревьев решений - Часть 1 - Данные ↗

8. Код в Python для деревьев решений - Часть 2 - Модель ↗

Случайные леса - Random Forests

11 уроков

1. Обзор раздела про случайные леса ↗

2. История и мотивация создания случайных лесов ↗

3. Гиперпараметры случайного леса - Обзор ↗

4. Гиперпараметры случайного леса - Количество деревьев и Признаков ↗

5. Гиперпараметры случайного леса - Bootstrapping и oob_score ↗

6. Классификация данных с помощью RandomForestClassifier - Часть 1 ↗

7. Классификация данных с помощью RandomForestClassifier - Часть 2 ↗

8. Регрессия с помощью RandomForestRegressor - Часть 1 - Данные ↗

9. Регрессия с помощью RandomForestRegressor - Часть 2 - Модели 1 ↗

10. Регрессия с помощью RandomForestRegressor - Часть 3 - Модели 2 ↗

11. Регрессия с помощью RandomForestRegressor - Часть 4 - Модели 3 ↗

Бустинг и Расширяемые деревья - Boosted Trees

7 уроков

1. Обзор раздела про бустинг ↗

2. История возникновения бустинга ↗

3. AdaBoost - Теория - Как работает адаптивный бустинг ↗

4. AdaBoost - Код в Python - Данные ↗

5. AdaBoost - Код в Python - Модель ↗

6. Градиентный бустинг - Теория ↗

7. Градиентный бустинг - Пишем код в Python ↗

Проверочный проект по моделям обучения с учителем (Supervised Le

4 урока

1. Обзор проверочного проекта ↗

2. Разбор решений - Часть 1 - Исследование данных (EDA) ↗

3. Разбор решений - Часть 2 - Анализ оттока (Churn Analysis) ↗

4. Разбор решений - Часть 3 - Модели на основе деревьев решений ↗

Natural Language Processing и Наивный Байесовский Классификатор

10 уроков

1. Обзор раздела про NLP и Наивный Байесовский алгоритм ↗

2. Наивный Байесовский алгоритм - Часть 1 - Теорема Байеса ↗

3. Наивный Байесовский алгоритм - Часть 2 - сам алгоритм ↗

4. Извлечение признаков из текста - Теория ↗

5. Извлечение признаков из текста, "Мешок слов" - пишем код вручную ↗

6. Извлечение признаков из текста с помощью Scikit-Learn ↗

7. Классификация текста - Часть 1 ↗

8. Классификация текста - Часть 2 ↗

9. Проверочные упражнения по классификации текста ↗

10. Решения для проверочных упражнений по классификации текста ↗

Машинное обучение без учителя - Unsupervised Learning

1 урок

1. Обзор обучения без учителя - Unsupervised Learning ↗

Кластеризация К-Средних - K-Means Clustering

13 уроков

1. Обзор раздела про кластеризацию К-средних ↗

2. Принципы кластеризации данных (без привязки к алгоритму) ↗

3. Теория кластеризации К-средних ↗

4. Кластеризация К-средних - Пишем код - Часть 1 ↗

5. Кластеризация К-средних - Пишем код - Часть 2 ↗

6. Выбираем количество кластеров К - Теория ↗

7. Выбираем количество кластеров К - Пишем код в Python ↗

8. Квантование цветов - Теория ↗

9. Квантование цветов - Пишем код в Python ↗

10. Проверочные упражнения по кластеризации К-средних ↗

11. Решения для проверочных упражнений - Часть 1 ↗

12. Решения для проверочных упражнений - Часть 2 ↗

13. Решения для проверочных упражнений - Часть 3 ↗

Иерархическая кластеризация данных

4 урока

1. Обзор раздела про иерархическую кластеризацию ↗

2. Теория и интуиция иерархической кластеризации ↗

3. Иерархическая кластеризация - Пишем код, часть 1 - Данные ↗

4. Иерархическая кластеризация - Пишем код, часть 2 - Scikit-Learn ↗

DBSCAN - Кластеризация на основе плотности данных

7 уроков

1. Обзор раздела про кластеризацию DBSCAN ↗

2. Теория алгоритма DBSCAN ↗

3. Сравниваем DBSCAN и K-Means Clustering ↗

4. Ключевые гиперпараметры DBSCAN - Теория ↗

5. Ключевые гиперпараметры DBSCAN - код в Python ↗

6. Проверочные упражнения по DBSCAN ↗

7. Решения для проверочных упражнений по DBSCAN ↗

Метод главных компонент (PCA - Principal Component Analysis)

7 уроков

1. Обзор раздела про метод главных компонент ↗

2. Теория метода главных компонент - Часть 1 - История и интуиция ↗

3. Теория метода главных компонент - Часть 2 - Математика ↗

4. Реализация метода главных компонент вручную ↗

5. Метод главных компонент в Scikit-Learn ↗

6. Проверочные упражнения по методу главных компонент ↗

7. Решения для проверочных упражнений по методу главных компонент ↗

Резюме курса

3 урока

1. Пройдите короткий тест ↗

2. Резюме курса ↗

3. Финальные шаги ↗

2. Начальный курс SQL: от Новичка до Специалиста (+Оконные Функции) 4.96

4 830

105

12 ч.

Введение. Обзор языка SQL.

4 урока

1. Обзор языка SQL ↗

2. Раздаточный Материал №1 (PDF-файл): Примеры Синтаксиса ↗

3. Скачиваем слайды презентаций (опционально) ↗

4. Полезные советы об интерфейсе Stepik (опционально) ↗

Установка и настройка таблиц для упражнений

6 уроков

1. Обзор раздела ↗

2. Шаги по установке ↗

3. Установка для Windows ↗

4. Установка для Mac ↗

5. Решение проблем с установкой ↗

6. Обзор pgAdmin ↗

Создание таблиц. Связи между таблицами.

2 урока

1. Создание таблиц. Типы данных. ↗

2. Первичный ключ и внешний ключ. Типы связей между таблицами. ↗

Основные запросы SELECT

11 уроков

1. Выбор колонок. Выражения. ↗

2. Выбор строк. Операторы AND, OR. ↗

3. Проверочные Вопросы - Выбор колонок и строк ↗

4. Упражнение 1 - фильтрация колонок и строк ↗

5. Решения для Упражнения 1 ↗

6. Операторы IN, NOT IN, BETWEEN ↗

7. Вложенные запросы (подзапросы) ↗

8. Проверочные Вопросы - Вложенные запросы (подзапросы) ↗

9. Упражнение 2 - вложенные запросы ↗

10. Решения для Упражнения 2 ↗

11. Как пишутся комментарии в SQL ↗

Работа со значениями NULL

6 уроков

1. Что такое значение NULL. Особенности работы со значениями NULL. ↗

2. NULL и Сравнение "не равно" ↗

3. Проверочные Вопросы - Значения NULL ↗

4. Упражнение 3 - работа со значениями NULL ↗

5. Решения для Упражнения 3 ↗

6. IN и NOT IN при наличии значений NULL ↗

Агрегация - GROUP BY, HAVING, DISTINCT

13 уроков

1. Группировка данных GROUP BY ↗

2. Мини-задачи по GROUP BY - задания ↗

3. Решения мини-задач по GROUP BY ↗

4. Фильтрация HAVING ↗

5. Агрегация SUM и COUNT ↗

6. Другие функции агрегации ↗

7. Мини-задачи по функциям агрегации ↗

8. Решения мини-задач по функциям агрегации ↗

9. Различные значения DISTINCT ↗

10. Сортировка данных ORDER BY ↗

11. Проверочные Вопросы - Агрегация данных ↗

12. Упражнение 4 - агрегация данных ↗

13. Решения для Упражнения 4 ↗

Соединение таблиц - INNER, OUTER, CROSS, SELF JOIN

16 уроков

1. INNER JOIN - Внутреннее Соединение Таблиц ↗

2. Проверочные Вопросы - INNER JOIN ↗

3. Упражнение 5 - INNER JOIN ↗

4. Решения для Упражнения 5 ↗

5. Соединение Нескольких Таблиц ↗

6. Дубликаты Строк, Нехватка Строк ↗

7. LEFT OUTER JOIN - Левое Внешнее Соединение ↗

8. Различные варианты синтаксиса ↗

9. RIGHT OUTER JOIN- Правое Внешнее Соединение ↗

10. Упражнение 6 - OUTER JOIN ↗

11. Решения для Упражнения 6 ↗

12. FULL OUTER JOIN - Полное внешнее соединение ↗

13. SELF JOIN - Соединение таблицы самой с собой ↗

14. Упражнение 7 - SELF JOIN ↗

15. Решения для Упражнения 7 ↗

16. CROSS JOIN - Декартово Произведение Таблиц ↗

Операторы множеств - UNION, EXCEPT (MINUS) и INTERSECT

6 уроков

1. UNION - Объединение множеств строк ↗

2. EXCEPT (MINUS) - Вычитание множеств строк ↗

3. INTERSECT - Пересечение множеств строк ↗

4. Проверочные Вопросы - Операторы множеств ↗

5. Упражнение 8 - Операторы множеств (union, except, intersect) ↗

6. Решения для Упражнения 8 ↗

Функции и операторы

7 уроков

1. Обзор функций и операторов ↗

2. Для числовых типов данных ↗

3. LIKE для поиска шаблонов ↗

4. Для символьных типов данных ↗

5. Для типов данных даты и времени ↗

6. Упражнение 9 - Функции и Операторы ↗

7. Решения для Упражнения 9 ↗

Изменение данных - INSERT, UPDATE, DELETE

8 уроков

1. INSERT - Вставка данных ↗

2. UPDATE - Обновление данных ↗

3. DELETE - Удаление данных ↗

4. Упражнение 10 - Изменение данных ↗

5. Решения для Упражнения 10 ↗

6. Поиск расхождений между таблицами ↗

7. Устранение расхождений между таблицами ↗

8. Восстановление данных после Упражнения 10 ↗

Дополнительные темы: CASE, CTE, рекурсия

7 уроков

1. CASE: два варианта синтаксиса ↗

2. CASE: полезные примеры ↗

3. Упражнение 11: CASE ↗

4. Решения для Упражнения 11 ↗

5. Как можно переписать IN / NOT IN на OUTER JOIN + CASE ↗

6. CTE - Common Table Expression (WITH ...) ↗

7. Рекурсивные Запросы ↗

Оконные функции

16 уроков

1. Оконные функции - первое знакомство ↗

2. Добавляем PARTITION BY ↗

3. Упражнение 12: вычисляем проценты ↗

4. Решения для упражнения 12 ↗

5. Кумулятивные суммы ↗

6. Особенности ORDER BY для оконных функций - часть 1 ↗

7. Особенности ORDER BY для оконных функций - часть 2 ↗

8. Упражнение 13: ABC-анализ ↗

9. Решения для упражнения 13 ↗

10. Скользящие средние, предыдущие строки и последующие строки ↗

11. Упражнение 14: солнечные дни ↗

12. Решения для упражнения 14 ↗

13. Нумерация и ранжирование ↗

14. Упражнение 15: нумерация и ранжирование ↗

15. Решения для упражнения 15 ↗

16. Резюме по оконным функциям ↗

Резюме курса

3 урока

1. Пройдите короткий тест ↗

2. Резюме курса ↗

3. Финальные шаги ↗

3. Полный Курс Python 3: от Новичка до Мастера (Питон, Пайтон) 4.82

4 090

12 ч.

Обзор Курса

5 уроков

1. Скачиваем материалы курса ↗

2. Обзор Содержания Курса ↗

3. Python 2 и Python 3. Пайтон или Питон? ↗

4. Часто Задаваемые Вопросы ↗

5. Полезные советы об интерфейсе Stepik (опционально) ↗

Установка Python

5 уроков

1. Замечание по эмулятору Python в Степик ↗

2. Основы Работы в Командной Строке ↗

3. Установка Python ↗

4. Если мешает Anaconda Toolbox ↗

5. Запуск Кода Python ↗

Объекты и Структуры Данных в Python

27 уроков

1. Введение в Типы Данных Python ↗

2. Числа (Numbers) ↗

3. Числа (Numbers) - Часто Задаваемые Вопросы ↗

4. Проверочные Вопросы по Числам (Numbers) ↗

5. Присвоение Переменных ↗

6. Введение в Строки (Strings) ↗

7. Индексирование и Срезы Строк ↗

8. Свойства и Методы Строк ↗

9. Строки - Часто Задаваемые Вопросы ↗

10. Проверочные Вопросы по Строкам ↗

11. Форматирование Вывода для Строк ↗

12. Форматирование Вывода - Часто Задаваемые Вопросы ↗

13. Списки (Lists) в Python ↗

14. Списки - Часто Задаваемые Вопросы ↗

15. Проверочные Вопросы по Спискам ↗

16. Словари (Dictionaries) в Python ↗

17. Словари - Часто Задаваемые Вопросы ↗

18. Проверочные Вопросы по Словарям ↗

19. Кортежи (Tuples) в Python ↗

20. Проверочные Вопросы по Кортежам ↗

21. Множества (Sets) в Python ↗

22. Значения Boolean в Python ↗

23. Проверочные Вопросы - Множества и значения Booleans ↗

24. Ввод-вывод (I/O) для файлов в Python ↗

25. Ресурсы для Дополнительной Практики ↗

26. Обзор Теста по Объектам и Структурам Данных Python ↗

27. Решения для Теста по Объектам и Структурам Данных Python ↗

Операторы Сравнения в Python

3 урока

1. Операторы Сравнения в Python ↗

2. Сцепление Операторов Сравнения с помощью Логических Операторов ↗

3. Проверочные Вопросы по Операторам Сравнения ↗

Операторы Python

8 уроков

1. Операторы If, Elif и Else в Python ↗

2. Циклы For в Python ↗

3. Циклы While в Python ↗

4. Полезные Операторы в Python ↗

5. Генераторы Списков (List Comprehensions) в Python ↗

6. Обзор Теста по Операторам Python ↗

7. Решения Теста по Операторам Python ↗

8. (Опционально) Задание - Игра на угадывание чисел ↗

Методы и Функции

14 уроков

1. Методы и Документация Python ↗

2. Функции в Python ↗

3. *args и **kwargs в Python ↗

4. Упражнения по Функциям ↗

5. Обзор Упражнений по Функциям ↗

6. Решения Упражнений - Уровень Разминка ↗

7. Решения Упражнений - Уровень 1 ↗

8. Решения Упражнений - Уровень 2 ↗

9. Решения Упражнений - Сложные Задачи ↗

10. Lambda-выражения, функции Map и Filter ↗

11. Вложенные Операторы и Области Видимости (Scope) ↗

12. Функции и Методы - Домашнее Задание ↗

13. Полезные Советы для Задания по Функциям и Методам ↗

14. Решения для Домашнего Задания по Функциям и Методам ↗

Проект - 1

4 урока

1. Обзор Первого Проекта Python ↗

2. Помощь по Проекту ↗

3. Обзор Решения для Проекта 1 - Часть 1 ↗

4. Обзор Решения для Проекта 1 - Часть 2 ↗

Объектно-Ориентированное Программирование (ООП)

9 уроков

1. ООП: Введение ↗

2. ООП: Атрибуты и Ключевое слово Class ↗

3. ООП: Классы, Объекты, Атрибуты и Методы ↗

4. ООП: Наследование и Полиморфизм ↗

5. ООП: Специальные Методы (Magic/Dunder) ↗

6. ООП: Домашнее Задание ↗

7. ООП: Решение для Домашнего Задания ↗

8. ООП: Задача ↗

9. ООП: Решение для Задачи ↗

Модули и Пакеты

3 урока

1. Pip Install и PyPi ↗

2. Модули и Пакеты ↗

3. __name__ и "__main__" ↗

Ошибки и Обработка Исключений (Exceptions)

5 уроков

1. Ошибки и Обработка Исключений (Exceptions) ↗

2. Домашнее Задание - Ошибки и Обработка Исключений ↗

3. Решения для Домашнего Задания - Ошибки и Обработка Исключений ↗

4. Обзор Pylint ↗

5. Запуск тестов с помощью библиотеки Unittest ↗

Проект - 2

5 уроков

1. Обзор Проекта 2 ↗

2. Решение - классы Card и Deck ↗

3. Решение - классы Hand и Chip ↗

4. Решение - функции для Game Play ↗

5. Решение - Финальный скрипт Gameplay ↗

Декораторы в Python (Decorators)

2 урока

1. Обзор Декораторов в Python ↗

2. Декораторы - Домашнее Задание ↗

Генераторы Python (Generators)

3 урока

1. Генераторы в Python ↗

2. Обзор Домашнего Задания по Генераторам ↗

3. Решения для Домашнего Задания по Генераторам ↗

Финальный Проект

1 урок

1. Финальный Проект ↗

Резюме курса

2 урока

1. Короткий тест ↗

2. Финальные шаги ↗