Numpy и анализ данных

42 урока,

начало 28 апреля

Сложность

Начинающий

Тип обучения

Курс

Сертификат

Да

Стоимость курса

350 ₽

нет рассрочки

Цель курса научить учащихся эффективно работать с массивами данных и выполнять математические операции над ними с помощью библиотеки NumPy.

Курс по библиотеке NumPy - это отличная возможность для всех, кто хочет научиться эффективно и быстро обрабатывать и анализировать данные с помощью Python. Библиотека NumPy - это мощный инструмент для работы с массивами данных, который широко используется в науке, инженерии, финансах, машинном обучении и других областях.

Выбирая этот курс, вы получите глубокое понимание того, как работать с массивами данных и выполнять математические операции над ними с помощью NumPy. Вы также научитесь использовать NumPy для выполнения операций по индексированию и выборке данных из многомерных массивов, а также для работы с линейной алгеброй и другими математическими операциями. Вы также получите практические навыки, необходимые для решения реальных задач, связанных с обработкой и анализом данных.

Таким образом, если вы хотите освоить библиотеку NumPy и стать востребованным специалистом в области обработки и анализа данных, выбор этого курса станет для вас отличным началом в этом направлении!

Одно из главных преимуществ этого курса по библиотеке NumPy заключается в том, что он предоставляет множество тестовых задач и задач на программирование, которые позволяют учащимся углубить свои знания и проверить свои навыки в решении задач.

Кроме того, курс содержит ряд задач из реальной практики анализа данных, что помогает студентам получить опыт работы с реальными данными и применить полученные знания на практике.

Что вы получите после обучения

Приобретаемые навыки

NumPy

Линейная алгебра

Анализ данных

Массив данных

Матрица

Вас будут обучать

Александр Сидоров

курс

Главный специалист отдела кибербезопасности, Сберлогистика

Образовательная организация

Stepik

4.6

60 отзывов

Stepik — образовательная платформа и конструктор онлайн-курсов.

Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем в проведении олимпиад и программ переподготовки.

Наша цель — сделать образование открытым и удобным.

Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.

Платформа Stepik включает в себя конструктор бесплатных занятий и уроков. Создать интерактивный обучающий курс может любой зарегистрированный пользователь. При этом авторы обучающих материалов сохраняют авторские права. Сервис не имеет ограничений по числу обучающихся на курсе.

Stepik имеет обширные возможности по созданию онлайн-курсов, обучающих занятий и уроков с использованием текстов, видео, картинок, тестовых задач, в процессе выполнения которых можно вести обсуждения с остальными обучающимися, а также с преподавателем. Всего в Stepik присутствует 20 типов заданий, проверка которых может осуществляться как в автоматическом, так и в ручном режиме.

Большим преимуществом данной платформы является возможность встраивать созданные материалы на сторонние сайты, например, Moodle и Canvas.

Кроме того, Stepik может использоваться в качестве площадки для проведения разнообразных мероприятий, таких как олимпиады и конкурсы.

Интерфейс платформы полностью русскоязычный, достаточно дружественный и интуитивно понятный. Платформа полностью бесплатна.

За каждый пройденный курс в Stepik обучающийся получает сертификат о прохождении. Получение сертификата также бесплатно.

Программа курса

Введение в курс

Как проходит обучение на курсе

Введение в numpy
Что такое numpy и pandas и как они используются для анализа
Установка и настройка numpy

Одномерные массивы в numpy
Одномерные массивы numpy: свойства и способы создания
Cвойства объектов массивов numpy
Типы данных, преобразование типов в одномерных массивах numpy
Задачи на создание одномерных массивов numpy
Способы изменения размера одномерных массивов в numpy
Способы изменения размера одномерных массивов в numpy-2
Индексирование и работа со срезами
Задачи по теме: индексирование и работа со срезами
Изменение элементов numpy массивов с помощью срезов
Простые математические и логические операции сравнения
Задачи по теме: простые математические и логические операции
Булево индексирование в одномерных массивах
Задачи по теме: булево индексирование в одномерных массивах
Математические функции для работы с одномерными массивами
Задачи по теме: математические функции в numpy
Функция where и ее использование
Работа с основными статистическими функциями
Функции min, max argmin, argmax cumsum cumprod
Теоретико-множественные операции в NumPy, сортировка
Файловый ввод-вывод
Основные функции линейной алгебры для работы с массивами numpy
Функции для генерации одномерных массивов случайных чисел

Многомерные массивы в numpy
Создание многомерных массивов в numpy
Свойства и атрибуты многомерных массивов numpy
Особенности индексирования в многомерных массивах
Работа со срезами в многомерных массивах
Простые математические операции. Булево индексирование.
Способы трансформации многомерных массивов numpy
Задачи по теме: трансформация многомерных массивов numpy

Функции для работы с многомерными массивами numpy
Многомерные массивы как аргументы математических функций.
Работа со статистическими функциями
Методы сортировки многомерных массивов
Функции линейной алгебры для работы с многомерными массивами
Объединение и разбиение многомерных массивов
Функции repeat, tile, take, put при работе с массивами NumPy

Экзаменационный модуль
Первая часть
Вторая часть
Третья часть

Заключение
Итоговый урок