Курс:Python
для анализа данных

Python 1. Основы программирования.

1. Введение в Python. Основные принципы программирования на Python. Базовые понятия: компилятор, интерпретатор. Обзор среды разработки PyCharm.
2. Синтаксис Python. Ключевые особенности работы с Python. Типы в Python. Работа с примитивными типами в Python.
3. Операторы. Логические операторы в Python. Функции в Python.
4. Управление памятью в Python. Memory management и работа с ним.
5. Понятие модулей. Импорт модулей в Python (import).
6. Пакеты модулей. Простейшие пакеты. Содержимое пакетов. Пакеты и импорт (абсолютный и относительный импорт).
7. Итераторы и генераторы в Python. Итерируемые объекты в Python. Бесконечные циклы.
8. Строки в Python. Работа со строками. Оператор LEN, IN.

РЕЗУЛЬТАТ СТУДЕНТА: Студенты приобретут базовые навыки программирования на языке Python. Изучат составные кода и научаться писать простые строки кода на языке программирования Python.

Python 2. ООП в Python.

1. Главные принципы Объектно-ориентированного программирования в Python. Классы и методы.
2. Классы в Python. Экземпляры классов. Инсталляция. Динамические изменения. Отношения классов в Python.
3. Методы в Python. Статические и классовые методы. Мультиметоды.
4. Инкапсуляция. Реализация инкапсуляции в Python. Метод __SETATTR__ ().
5. Наследование. Простое наследование. Переопределение метода надкласса. Дополнение (расширение) метода.
6. Полиморфизм в Python. Методы перегрузки операторов. Единые интерфейсы.
7. Утиная типизация (DuckTyping). Особенности работы с Dunder method. Функция SUMM().
8. Работы с исключениями в Python. Конструкция TRY- EXCEPT, FINALLY и ELSE.

РЕЗУЛЬТАТ СТУДЕНТА: Студенты изучат базовые принципы объектно-ориентированного программирования в Python. Познакомятся с понятиями метода и класса в Python. Изучат принципы работы инкапсуляции, наследования и полиморфизма. Научаться работать с объектами в Python.

Python 3. Python для анализа данных.

1. Особенности языка программирования Python в контексте Data Science. Исследование и подготовка данных к анализу
2. Проблемы подготовки данных к анализу и пути их решения. Преобразование факторных переменных, мультиколлинеарность.
3. Введение в машинное обучение. Теория вероятности и линейная алгебра в программировании.
4. Классификации и регрессии.
5. Методы ближайшего соседа и опорных векторов (SVM).
6. Деревья решений и ансамбли. Random forest, XGBOOST, lightgbm.
7. Нейронные сети. Введение, алгоритм работы, структура.
8. Сборка финального проекта - приложения "Прогноз погоды в Москве"

РЕЗУЛЬТАТ СТУДЕНТА: Разработка выпускного проекта - приложения с использованием принципов Data Science

Database 1. Основы Баз Данных и SQL.

1. Установка СУБД MySQL. Термины и определения. Агрегация данных. Разбор архитектуры и основных компонентов. Создание многотабличной реляционной базы данных.
2. SQL 1 .Основы: разбор SELECT, INSERT, UPDATE, DELETE, WHERE, ORDER BY, GROUP BY, HAVING, DISTINCT, AND & OR.
3. SQL 2. Объединение нескольких таблиц с помощью: LEFT JOIN, INNER JOIN, RIGHT JOIN, FULL JOIN, CROSS JOIN.
4. SQL 3. Основные функции языка SQL: COUNT(), MIN(), SUM(), ROUND() и другие. Разбор основных функции СУБД MySQL и PostgreSQL. Создание пользовательских функций.

РЕЗУЛЬТАТ СТУДЕНТА: Спроектированная база данных для выпуского проекта.