Курс "Программирование на Python, часть 3. Numpy для Data Science"

Код: EDU-Python-17
Специализация: Авторские курсы: Свободное ПО/Open Source

Продолжительность - 5 дней

Библиотека NumPy (сокращение от Numerical Python — «числовой Python») обеспечивает эффективный интерфейс для хранения и работы с плотными буферами данных. Массивы библиотеки NumPy похожи на встроенный тип данных языка Python list, но обеспечивают гораздо более эффективное хранение и операции с данными при росте размера массивов. Массивы библиотеки NumPy формируют ядро практически всей экосистемы утилит для исследования данных Python.

На курсе "Программирование на Python, часть 3. Numpy для Data Science" слушатели познакомятся с фрэймворком Python: Numpy — фундаментальным пакетом для научных вычислений. А также с визуализацией данных с помощью Matplotlib.

Прослушав данный курс, Вы узнаете:

• Какие атрибуты есть у массивов NumPy
• Как использовать продвинутые возможности универсальных функций
• Как провести агрегирование значений массива NumPy
• Как применить булевы массивы как маски
• Как разбить данные на интервалы
• Как применить метод n-ближайших соседей для сортировки массива
• Как создать структурированные массивы

Научитесь:

• Определять массивы NumPy
• Выполнять вычисления над массивами NumPy
• Агрегировать значения из массива
• Работать с булевой логикой
• Работать с индексацией массива
• Сортировать массивы
• Сохранять и загружать объекты NumPy
• Визуализировать массивы с помощью Matplotlib
• Как использовать библиотеки Matplotlib, Seaborn для отображения графических данных

Аудитория: начинающие специалисты в области программирования, рассматривающие предмет как ступень к изучению Data Science.

Предварительная подготовка: Знание основ синтаксиса языка Python или прохождение курсов «Программирование на Python, часть 1» и «Программирование на Python, часть 2»

Курсы, рекомендуемые для предварительного прохождения:

• Программирование на Python, часть 1
• Программирование на Python, часть 2

Курсы, рекомендуемые для последующего прохождения:

• Программирование на Python, часть 4. Pandas для Data Science. Высокопроизводительная обработка и анализ данных в Pandas.

Программа обучения

1 Введение в массивы библиотеки NumPy

1.1 Атрибуты массивов библиотеки NumPy

1.2 Индексация массива: доступ к отдельным элементам

1.3 Срезы массивов: доступ к подмассивам

1.4 Изменение формы массивов

1.5 Слияние и разбиение массивов

2 Выполнение вычислений над массивами библиотеки NumPy: универсальные функции

2.1 Медлительность циклов.

2.2 Введение в универсальные функции.

2.3 Обзор универсальных функций библиотеки NumPy.

2.3.1 Арифметические функции над массивами

2.3.2 Абсолютное значение

2.3.3 Тригонометрические функции

2.3.4 Показательные функции и логарифмы

2.3.5 Линейная алгебра

2.4 Генерация псевдослучайных чисел

2.5 Продвинутые возможности универсальных функций.

2.6 Универсальные функции: дальнейшая информация.

3 Агрегирование: минимум, максимум и все, что посередине

3.1 Суммирование значений из массива

3.2 Минимум и максимум

3.3 Среднее

4 Операции над массивами. Транслирование

4.1 Введение в транслирование

4.2 Правила транслирования

4.3 Транслирование на практике

5 Сравнения, маски и булева логика

5.1 Операторы сравнения как универсальные функции

5.2 Работа с булевыми массивами

5.3 Булевы массивы как маски

6 «Прихотливая» индексация

6.1 Исследуем возможности «прихотливой» индексации

6.2 Комбинированная индексация

6.3 Пример: выборка случайных точек

6.4 Изменение значений с помощью прихотливой индексации

6.5 Пример: разбиение данных на интервалы

7 Сортировка массивов

7.1 Быстрая сортировка в библиотеке NumPy: функции np.sort и np.argsort

7.2 Частичные сортировки: секционирование

7.3 Пример: K ближайших соседей

8 Структурированные данные: структурированные массивы библиотеки NumPy

8.1 Создание структурированных массивов

8.2 Более продвинутые типы данных

8.3 Массивы записей: структурированные массивы с дополнительными возможностями

8.4 Переход к Pandas

9 Сохранить и загрузить объекты NumPy

9.1 Сохранить и загрузить объекты NumPy

9.2 Импорт и экспорт CSV

10 Визуализация массивов с помощью Matplotlib

10.1 О библиотеке Matplotlib

10.2 Простые линейные графики

10.3 Простые диаграммы рассеяния

10.4 Визуализация погрешностей

10.5 Графики плотности и контурные графики

10.6 Гистограммы, разбиения по интервалам и плотность

10.7 Множественные субграфики

10.8 Таблицы стилей Matplotlib.

В конце обучения на курсе проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненных в процессе обучения.

Свободно распространяемое программное обеспечение популярно как среди частных лиц, так и среди организаций. Действительно, СПО позволяет серьезно экономить на приобретении лицензий для компаний, которые многократно тиражируют программное решение. Также благодаря тому, что СПО можно квалифицированно дорабатывать собственными силами под конкретные нужды организации, оно приобретает еще и дополнительную гибкость и удобство в использовании.

Открытое программное обеспечение — это программное обеспечение с открытым исходным кодом. Исходный код создаваемых программ открыт, то есть доступен для просмотра и изменения. Это позволяет использовать уже созданный код для создания новых версий программ, для исправления ошибок и, возможно, помочь в доработке открытой программы.

В конце обучения на курсах проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненные в процессе обучения.

Учебный центр "Интерфейс" оказывает консалтинговые услуги по построению моделей бизнес-процессов, проектированию информационных систем, разработке структуры баз данных и т.д.

• Нужна помощь в поиске курса?
  Наша цель заключается в обеспечении подготовки специалистов, когда и где им это необходимо. Возможна корректировка программ курсов по желанию заказчиков! Мы расскажем Вам о том, что интересует именно Вас, а не только о том, что жестко зафиксировано в программе курса. Если вам нужен курс, который вы не видите на графике или у нас на сайте, или если Вы хотите пройти курс в другое время и в другом месте, пожалуйста, сообщите нам, по адресу mail@interface.ru или shopadmin@itshop.ru
• Поговорите со своим личным тренинг-менеджером!
  Мы предоставляет Вам индивидуальное обслуживание. Если у вас есть потребность обсудить, все вопросы касательно обучения, свяжитесь, пожалуйста c нами по телефонам: +7 (495) 925-0049, + 7 (495) 229-0436. Или любым другим удобным для Вас средствами связи, которые Вы можете найти на сайтах www.interface.ru или www.itshop.ru