Курс Python Для Анализа Данных

Длительность: 3.5 месяца (2 раза в неделю по 2 часа)

Месяц 1

1. Введение в Python. Что такое Компилятор и Интерпретатор? Базовый синтаксис Python.
2. Функции ввода-вывода. Типы данных в Python. «Hello, World!» на Python.
3. Логические и Математические операторы в Python и их функции.
4. Операторы: if, for, while в Python и работа с ними.
5. Переменные и функции в Python.
6. Понятие «Модуль» в Python. Макеты модулей и алгоритм работы с ними.
7. Итератор и генераторы в Python. Lambda – выражения.
8. Строки. Оператор Len. Оператор In. Разбор (Parsing) строк.

Месяц 2

1. ООП на Python. Классы. Строение класса. Конструкторы.
2. Поля и методы класса в Python.
3. Общедоступные и внутренние атрибуты. Инкапсуляция.
4. Наследование. Родительские и дочерние классы.
5. Полиморфизм в Python.
6. «Утиная» типизация. Проблемы иерархической типизации и Duck Typing как метод её решения.
7. Конструкция Try - Except. Особенности работы с файлами. Язык Дракон.

Месяц 3

1. Введение в СУБД. Установка MySQL и начало работы. Архитектура Данных.
2. Реляционная модель Архитектуры Данных. Разбор её основных компонентов.
3. Исследование и подготовка данных к анализу. Расширения для работы с Данными: Numpy, Pandas, Scipy, Matplotlib & Seaborn.
4. SQL 1. Основы: разбор Select, Insert, Update, Delete, Where, Order By, Group By, Having, Distinct, And & Or.
5. SQL 2. Объединение нескольких таблиц с помощью: Left Join, Inner Join, Right Join, Full Join, Cross Join.
6. SQL 3. Основные функции языка SQL: Count(), Min(), Sum(), Round() и другие. Разбор основных функции СУБД MySQL и PostgreSQL.
7. Установка СУБД PostgreSQL. Разбор основных возможностей и отличий.
8. Нереляционные СУБД. Термины и характеристики NoSQL, на примере СУБД MongoBD.

Месяц 4 

1. Мультиколлинеарность и скалирование данных. Информативные переменные. Проработка алгоритма подготовки данных.
2. Регрессионные модели. Определение и классификации.
3. Деревья решений в Python. Древовидные модели. Random forest. Библиотеки XGBOOST, LightGBM.
4. Нейронные сети. Обзор пакета pySpark для реализации распределённой обработки данных.