Блог
FAQ

Программирование на Python, Numpy для Data Science, часть 3

5 дней (40 академических часов).
Длительность:
г. Москва, Ленинградский просп., 68/24;
Место проведения:
11 июля 2022; 15 августа 2022; 19 декабря 2022
Дата проведения:
49 500 руб.
Стоимость:
Необходимые для зачисления в группу документы: паспорт, СНИЛС, диплом о высшем или среднем специальном образовании, заключенный договор об образовании.
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 слушатели познакомятся с фрэймворком Python: Numpy — фундаментальный пакет для научных вычислений. А также с визуализацией данных с помощью Matplotlib.

Описание курса
Целевая аудитория
Начинающие специалисты в области программирования, рассматривающие предмет как ступень к изучению Data Science.

Расписание открытых форматов курса
Стоимость обучения одного слушателя
11.07.2022; 15.08.2022; 19.12.2022
Очный формат — 49 500 ₽.
Дистанционный формат — 49 500 ₽.
В результате освоения курса вы:
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
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;
как использовать библиотеки Matplotlib, Seaborn для отображения графических данных
Научитесь
Узнаете
Основная информация
11 июля 2022
15 августа 2022
19 декабря 2022
пн–чт 10:00–17:00
49 500 руб.
м. Аэропорт,
Ленинградский проспект 68/24
Верхотуров Марк Валерьевич
Беляев Александр Владимирович
Порядок записи на курс
Консультация
Выбор курса
Заключение договора
Оплата обучения.
Подробная программа курса
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
2.4 Продвинутые возможности универсальных функций
2.5 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 Пример: подсчет количества дождливых дней
5.2 Операторы сравнения как универсальные функции
5.3 Работа с булевыми массивами
5.4 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 Пользовательские настройки легенд на графиках
10.8 Пользовательские настройки шкал цветов
10.9 Множественные субграфики
10.10 Текст и поясняющие надписи
10.11 Пользовательские настройки делений на осях координат
10.12 Пользовательские настройки Matplotlib: конфигурации и таблицы стилей
10.13 Построение трехмерных графиков в библиотеке Matplotlib
10.14 Отображение географических данных с помощью Basemap
10.15 Визуализация с помощью библиотеки Seaborn

Возможные форматы обучения и размеры групп
очно (до 15 слушателей);
дистанционно в составе очной группы (без ограничения числа подключений);
корпоративный формат (для групп от 10 до 15 слушателей).
Документы об окончании
Удостоверение о повышении квалификации
Ответы на часто задаваемые вопросы
Какие форматы обучения?
Наши тренинги бывают «открытыми» и «корпоративными». В первом случае курсы предназначаются для всех желающих. Слушатели не выбирают программу и приходят в наш офис в заранее определенные даты.
«Корпоративные» курсы отличаются тем, что проводятся только для определенной группы от Заказчика. Он выбирает и время проведения занятий, и программу, которая может быть адаптирована для максимального соответствия потребностям.
Кто проводит обучение?
Авторы и ведущие наших курсов — признанные эксперты в своих областях. Это преподаватели, готовые передать свои знания и опыт широкому кругу слушателей. В свои программы они включают реальные примеры, поэтому каждый курс актуален в современных условиях.
Какой документ выдается после прохождения обучения?
Если были успешно пройдены кусы по повышению квалификации, выдается соответствующее Удостоверение. Это документ государственного образца, выпущенный на русском языке. Сведения о нем включаются в Федеральный реестр.

Можно ли перед заказом корпоративного обучения познакомиться с тренером или увидеть, как он проводит обучение?

Более подробно о программе и самом обучении можно узнать, задав вопросы тренеру онлайн или по телефону. Еще одна возможность получить представление о занятиях — посетить одно из них, проводимое в открытом формате.
Требуемый уровень предварительной подготовки
Знание основ синтаксиса языка Python или прохождение курсов «Программирование на Python, части 1» и «Программирование на Python, часть 2»

Верхотуров Марк Валерьевич

Руководитель IT проектов, Разработчик Python, Data Scientist, ML-engineer
Разработка на Python
Сбор и анализ данных Преобразование "сырых" данных в полезную информацию для бизнеса
Создание и обучение предиктивных моделей с помощью алгоритмов машинного обучения и нейросетей
Помощь бизнесу в нахождении скрытых закономерностей, прогнозировании развития событий и оптимизации ключевых бизнес-процессов
Консалтинг
Коучинг

Специализация
Должность
Дополнительные услуги

Тренер курса

Ведёт 13 курсов в ЦЕСИНКОМ

Беляев Александр Владимирович

Разработчик информационных систем, системный аналитик, аналитик данных
Разработка на Python
Машинное обучение
Математическая оптимизация
Консалтинг

Специализация
Должность
Дополнительные услуги

Тренер курса

Ведёт 19 курсов в ЦЕСИНКОМ
Разработка курса или траектории обучения под вашу задачу
Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.
Рекомендуемые курсы
Список курсов, которые дополняют данный курс
Программирование на Python, часть 1;

Программирование на Python, часть 2 ;

Разработка интерфейса веб-приложений в PyQT5;

Основы SQL. PostgreSQL. Взаимодействие с базой данных в Python;

Разработка web-приложений на Flask;

Программирование на Python, часть 3. Numpy для Data Science;

Глубокое обучение (нейронные сети) на Python часть 1.
Список категорий каталога, в которые включён курс
Траектории, в которые входит данный курс
Список курсов, требующихся для прохождения данного курса
Не требуется