Курс Python для начинающих в авторизованном центре обучения ФОРС.

Главная

Курсы

Python

Python для начинающих

F.PY1

Python для начинающих

Программа обучения представляет собой курс, охватывающий основы синтаксиса Python и основные алгоритмические конструкции.
Этот курс предназначен для новичков, желающих овладеть основами программирования на Python и освоить инструменты для работы с данными.

Предварительная подготовка:

Базовое представление о программировании.

Понимание структур данных.

36 000₽

Длительность

3 дня (24ч в неделю)

Доступ к курсу

Навсегда в личном кабинете

Документы

Удостоверение о повышении квалификации

Количество слушателей

Укажите чтобы рассчитать скидку

Не подходит расписание? Выберите дату и форму обучения удобную для вас!

Выбрать свою дату

Для корпоративных клиентов

Кому подойдет этот курс

Разработчики

Программисты

Администраторы

Архитекторы

Получаемые знания:

• Основы синтаксиса Python и его применение для написания программ
• Понимание структур данных и их использование для организации информации
• Навыки работы с строковыми значениями и манипуляции с ними
• Умение работать с датами и временем в Python
• Основы работы с функциями и их применение в программировании
• Знакомство с библиотекой Pandas и методами работы с данными
• Навыки группировки данных, объединения таблиц и визуализации данных
• Умение чистить данные и применять методы Feature Engineering
• Навыки работы с файлами различных форматов в Python

Основы синтаксиса Python. Основные алгоритмические конструкции

· Введение в Python: история, преимущества языка, установка интерпретатора

· Основы синтаксиса Python: переменные, типы данных, операторы

· Условные конструкции: if, else, elif

· Циклы: for и while

· Функции: определение, параметры, возвращаемые значения

· Списки и кортежи: создание, индексация, срезы

· Словари и множества: особенности, применение

· Работа с файлами: чтение и запись данных

· Основные алгоритмические конструкции: рекурсия, сортировка, поискОсновы синтаксиса Python

· Основные алгоритмические конструкции

Эти темы помогут слушателям понять различные типы структур данных, их особенности и способы применения в программировании на Python. Знание структур данных является важным компонентом для эффективной работы с информацией и оптимизации алгоритмов.

Структуры данных

· Введение в структуры данных: понятие, значение и применение

· Списки и их методы: создание, индексация, срезы, добавление и удаление элементов

· Кортежи и их особенности: различия с списками, неизменяемость

· Словари: создание, обращение к элементам, добавление и удаление пар ключ-значение

· Множества и операции над ними: создание, объединение, пересечение, разность

· Очереди и стеки: реализация с использованием списков или других структур данных

· Деревья: представление и применение в Python

· Графы: представление и основные алгоритмы работы с графами

· Применение структур данных в решении различных задач: анализ данных, поиск путей, оптимизация алгоритмов

Эти темы помогут слушателям освоить основные методы работы со строками в Python, что является важным навыком при обработке текстовой информации, работе с файлами и взаимодействии с внешними источниками данных.

Работа с датами

· Введение в работу с датами в Python: понятие даты и времени, модуль datetime

· Создание и форматирование дат: использование различных форматов даты и времени

· Операции с датами: вычисления временных интервалов, сравнение дат

· Работа с объектами даты и времени: методы и атрибуты объектов datetime

· Преобразование строк в даты и обратно: парсинг дат из строкового формата

· Работа с временными зонами: модуль pytz, управление временными зонами

· Обработка дат в различных форматах: работа с датами из разных источников

· Применение дат в анализе данных: временные ряды, фильтрация по датам, агрегация по времени

· Решение задач с использованием дат: расписание, управление временными событиями, анализ тенденций во времени

Эти темы позволят слушателям освоить навыки работы с датами и временем в Python, что является важным компонентом при анализе данных, разработке приложений с учетом временных параметров и автоматизации процессов, связанных со временем.

Функции

· Введение в функции в Python: понятие функций, их назначение и преимущества

· Определение функций: синтаксис, передача параметров, возвращаемое значение

· Встроенные функции: использование стандартных функций Python

· Область видимости переменных: глобальные и локальные переменные

· Рекурсия: понятие, примеры рекурсивных функций

· Аргументы функций: позиционные аргументы, именованные аргументы, значения по умолчанию

· Лямбда-функции: определение анонимных функций

· Функции высшего порядка: передача функций как аргументов, возврат функций из функций

· Модули и пакеты: организация кода с использованием функций

Эти темы помогут слушателям понять основы работы с функциями в Python, научат создавать собственные функции, использовать их для повторного использования кода, структурирования программ и упрощения разработки. Понимание функционального программирования является важным навыком для эффективного написания кода на Python.

Введение в Pandas

· Знакомство с библиотекой Pandas: цели и преимущества использования Pandas для работы с данными

· Структуры данных в Pandas: серии (Series) и таблицы (DataFrame)

· Загрузка данных в Pandas: чтение данных из файлов различных форматов

· Индексация и выбор данных: работа с индексами, извлечение нужных данных

· Обработка данных: фильтрация, сортировка, группировка, агрегация

· Преобразование данных: добавление столбцов, изменение типов данных, удаление дубликатов

· Визуализация данных: создание графиков на основе данных из Pandas

· Работа с пропущенными данными: обнаружение и обработка пропусков в данных

· Применение методов Pandas в анализе данных: решение задач по обработке и анализу информации

Эти темы помогут слушателям освоить базовые навыки работы с данными с помощью библиотеки Pandas, что является важным для работы с большими объемами информации, анализа данных и подготовки данных для машинного обучения. Pandas является мощным инструментом для работы с табличными данными в Python

Методы группировки данных

· Группировка данных в Python: понятие группировки, цели и преимущества

· Применение агрегирующих функций: сумма, среднее, максимум, минимум и другие

· Многоуровневая индексация: создание и работа с многоуровневыми индексами после группировки

· Фильтрация данных после группировки: отбор групп с определенными характеристиками.

· Преобразование данных внутри групп: применение пользовательских функций к данным внутри групп

· Работа с несколькими столбцами: группировка и агрегация по нескольким столбцам одновременно

· Применение методов группировки в решении задач: анализ данных, создание сводных таблиц, выявление закономерностей

Эти темы помогут слушателям курса овладеть навыками группировки данных в Python с помощью библиотеки Pandas, что является важным для анализа и обработки больших объемов информации, а также для выявления закономерностей и трендов в данных. Группировка данных является важным инструментом при работе с табличными данными.

Объединение таблиц

· Типы объединения таблиц: inner join, left join, right join, outer join

· Методы объединения таблиц в Pandas: `merge()`, `concat()`

· Объединение таблиц по ключам: указание столбцов для объединения

· Работа с дубликатами и пропущенными данными при объединении таблиц

· Многократное объединение таблиц: последовательное применение методов объединения

· Объединение таблиц различных типов: соединение текстовых и числовых данных

· Объединение таблиц по нескольким ключам: множественные столбцы для объединения

· Применение методов объединения таблиц в анализе данных: слияние данных из разных источников, создание комплексных отчетов

Эти темы позволят слушателям курса овладеть навыками объединения таблиц в Python с использованием библиотеки Pandas, что является важным для объединения данных из различных источников, создания сводных отчетов и анализа информации, хранящейся в разных таблицах. Объединение таблиц является важным этапом при работе с данными в анализе и обработке информации.

Методы визуализации данных

· Значение визуализации данных: цели и преимущества визуализации информации

· Библиотеки визуализации данных в Python

· Основы визуализации данных с помощью Matplotlib: создание графиков, настройка осей, легенды

· Построение различных типов графиков: линейные, столбчатые, круговые диаграммы

· Настройка внешнего вида графиков: цвета, шрифты, стили

· Создание комплексных дашбордов и отчетов: объединение нескольких графиков на одном холсте

· Применение методов визуализации данных в анализе и интерпретации информации

Эти темы помогут слушателям освоить основы визуализации данных в Python с использованием различных библиотек и инструментов, что является важным для представления информации, выявления закономерностей и трендов, а также создания наглядных отчетов и дашбордов для принятия решений на основе данных. Визуализация данных играет ключевую роль в анализе информации и коммуникации результатов исследований.

Очистка данных

· Значение очистки данных: цели и преимущества процесса очистки данных

· Основные проблемы в данных: пропущенные значения, дубликаты, выбросы, некорректные значения

· Обработка пропущенных значений: методы заполнения пропусков, удаление строк или столбцов с пропущенными данными

· Обнаружение и удаление дубликатов: методы поиска и удаления повторяющихся записей

· Обработка выбросов: методы обнаружения и фильтрации выбросов в данных

· Нормализация данных: масштабирование признаков для улучшения качества и производительности моделей

· Преобразование типов данных: изменение типов данных для удобства работы и анализа

· Удаление лишних символов и приведение данных к стандартному формату

· Применение методов очистки данных в практических задачах: подготовка данных для анализа, обучения моделей машинного обучения

Эти темы помогут слушателям освоить основные методы очистки данных в Python, что является важным этапом при подготовке данных для анализа, построения моделей машинного обучения и получения достоверных результатов и выводов. Очищенные данные способствуют более точному и надежному анализу информации.

Feature Engineering

· Роль Feature Engineering в машинном обучении: цели и преимущества создания новых признаков

· Преобразование категориальных переменных: кодирование категорий, применение метода One-Hot Encoding

· Масштабирование признаков: нормализация и стандартизация данных

· Создание новых признаков на основе существующих: применение арифметических операций, комбинирование признаков

· Извлечение признаков из текста: токенизация, векторизация текстовых данных

· Преобразование временных признаков: извлечение дней недели, месяцев, годов из дат

· Обработка пропущенных значений: заполнение пропусков, создание новых признаков на основе пропущенных значений

· Уменьшение размерности признакового пространства: методы снижения размерности данных

· Применение методов Feature Engineering в практических задачах: улучшение качества моделей машинного обучения, оптимизация признаков для конкретной задачи

Эти темы помогут слушателям овладеть навыками Feature Engineering в Python, что является ключевым этапом в подготовке данных для построения моделей машинного обучения. Создание новых признаков и оптимизация признакового пространства способствуют улучшению производительности моделей и качества результатов предсказаний.

Работа с файлами разных форматов

· Чтение и запись текстовых файлов: открытие, чтение данных, запись данных в текстовые файлы

· Работа с CSV файлами: чтение и запись данных из и в файлы формата CSV

· Работа с Excel файлами: использование библиотеки Pandas для чтения и записи данных из и в файлы Excel

· Чтение и запись файлов JSON: работа с данными в формате JSON, сериализация и десериализация

· Работа с файлами XML: парсинг и создание XML файлов с помощью библиотеки ElementTree

· Работа с файлами в формате SQLite: выполнение SQL запросов к базе данных SQLite из Python

· Работа с файлами изображений: открытие, обработка и сохранение изображений с использованием библиотеки Pillow

· Работа с файлами аудио и видео: чтение и обработка аудио- и видеофайлов с помощью специализированных библиотек

Эти темы позволят слушателям освоить различные методы работы с файлами разных форматов в Python, что является важным для обработки и анализа разнообразных данных, а также для автоматизации процессов работы с файлами в различных форматах. Умение работать с разнообразными форматами файлов является важным навыком для разработчиков и аналитиков данных.

Python для начинающих

F.PY1

Python. Продвинутый уровень

F.PY2

Python для администрирования GNU/Linux

F.PY4ADM

Python для анализа данных

F.PY4DS

У этого курса пока нет отзывов. Ниже представлены отзывы по другим курсам учебного центра.

Дмитрий Виноградов

О курсе "Администрирование PostgreSQL 16. Настройка и мониторинг"

Преподаватель в теме Postgres и Oracle как рыба в воде. Было очень полезно, когда приводил аналоги технологий из Oracle.

Дмитрий Алексеев

О курсе "Kubernetes: от основ до CI/CD"

<b>Неплохой курс, много полезной информации по Kubernetes. Курс не для новичков. У вас должны быть хорошие знания по Linux и Docker и даже базовые навыки пользования Kubernetes, иначе вам будет очень сложно понять этот курс. Я бы советовал из 5 учебных дней меньше внимания уделять Docker и больше именно Kubernetes. Потому что к самому Kubernetes мы подошли только на 3 день из 5.

Антон Садиков

О курсе "Курс по нейросетям для пользователей - Работа с локальными и облачными моделями"

Очень хорошая подготовка теоретической части, которая формирует ясное представление о принципе работы нейросетей и правильный взгляд на их возможности. Хорошо продемонстрирован подход к организации поиска и проверки моделей с использованием открытого ПО.
Курс заявлен как пользовательский, поэтому предполагает использование развёрнутой нейросети. Но для этого её необходимо выбрать, а потом правильно настраивать под различные потребности. Поэтому было бы полезно добавить в курс:
1. Советы по настройке параметров модели: перечень, наиболее важные, как влияют на результат и пр.
2. Задания для выполнения с различными настройками параметров.
Может быть, выделять отдельный день на графические модели не стоит, достаточно привести демонстрацию, а использовать это время для выполнения заданий, обсуждения результатов и ответов на вопросы по этим заданиям.
Но в целом, учитывая новизну темы, курс оставил очень хорошее впечатление. Буквально "вправил мозги". :-)

Владислав Окунев

О курсе "Zabbix - полное погружение"

Целями записи на курс были систематизация текущих знаний, полученных в процессе администрирования и эксплуатации ПО Zabbix, а так же, получение новых знаний и навыков, которые помогли бы на дистанции более эффективно развивать и поддерживать системы, основанные на данном ПО. Обе цели были достигнуты, в связи с чем, курс оцениваю положительно. Единственный минус, который я для себя отметил: информации про то, как софт работает "под капотом" было не так много, но учитывая специфику данного курса и его целевую аудиторию, существенным минусом это назвать нельзя. Формат обучения комфортный, на все возникающие вопросы преподаватель развёрнуто и понятно отвечает.

Алексей Антышев

О курсе "Основы MongoDB 7.0"

Хороший старт в освоении MongoDB

Анонимно

О курсе "Администрирование PostgreSQL 16. Резервное копирование и репликация"

Самое широкое описание по условиям репликации. Хороший набор практики

Светлана Сидорова

О курсе "Kubernetes: от основ до CI/CD"

Нормальный курс, практическую часть на мой взгляд, стоит доработать, а именно, манифесты уже готовые стоит выложить, вместе с виртуальными рабочими стендами. На практическом занятии очень много времени тратится на редактирование текста.

Алексей Холодилов

О курсе "Kubernetes: от основ до CI/CD"

Курс отлично структурирован и разработан. Возникали небольшие технические сложности, но они оперативно решались преподавателем. Возможно стоит рассмотреть вариант с тестированием на платформе, заместо некоторых практических заданий.

Максим Колмаков

О курсе "Kubernetes: от основ до CI/CD"

Отличный курс и интересный преподаватель. Рекомендую

Анонимно

О курсе "Kubernetes: от основ до CI/CD"

Курс хороший, понятный, преподаватель подробно рассказывает базовые приёмы и практики, порог входа в экосистему значительно сглаживается с прохождением данного курса.

Наталья Гуськова

О курсе "Администрирование PostgreSQL 16. Настройка и мониторинг"

Сбалансированный курс, преподавателю огромное спасибо!

Александр Клименко

О курсе "Администрирование PostgreSQL 16. Настройка и мониторинг"

Спасибо за курс было очень познавательно!

Павел Титков

О курсе "Администрирование PostgreSQL 16. Настройка и мониторинг"

Курс понравился. Все было структурировано и подкреплено практическими занятиями. Спасибо за новые знания!

Анонимно

О курсе "Администрирование PostgreSQL 16. Настройка и мониторинг"

Курс "Администрирование PostgreSQL 16. Настройка и мониторинг" с тем же преподавателем Олегом Ивановым отлично зашел после прохождения базового курса по PostgreSQL. Емкий материал с понятной практикой позволили еще сильнее углубиться в возможности управления PostgreSQL.

Анонимно

О курсе "Администрирование PostgreSQL 16. Настройка и мониторинг"

Анонимно

О курсе "Администрирование PostgreSQL 16. Базовый курс"

Курс, конечно, вводный, но преподаватель отвечал и на вопросы не только в рамках курса. За что ему отдельное спасибо!

Максим Дворянинов

О курсе "Администрирование PostgreSQL 16. Базовый курс"

Огромное спасибо авторам и предоавателю курса! Закрыли большую часть вопросов, которые у меня были, а так же открыли для меня неочевидные ранее пути решения проблем с кластером Postgres! С огромным удовольствием посещу следующие курсы данного цикла.

Дмитрий Борисович

О курсе "Администрирование PostgreSQL 16. Базовый курс"

Курс супер: всё четко, по делу и с отличной практикой по Postgres!

Анонимно

О курсе "Администрирование PostgreSQL 16. Базовый курс"

Базовый курс по администрированию PostgreSQL оказался очень содержательным, с отличными учебными материалами и практической базой. Спасибо преподавателю Олегу Иванову за понятные объяснения и свои комментарии как от очевидного профессионала в данной сфере.

Инна Мурашова

О курсе "PostgreSQL 16. Оптимизация запросов"

Отличный курс "PostgreSQL 16. Оптимизация запросов", материала очень много, как теоретического, так и практического. Курс дает возможность изучить темы быстро. Тем более, что преподаватель курса(Иванов Олег) очень большой профессионал своего дела.

Как проходит обучение на платформе ФОРС

[ 01 ]

Знакомство с платформой

Платформа учебного центра ФОРС предназначена для удобного и комфортного обучения. Доступ к материалам будет открыт сразу после приобретения курса, а также навсегда доступен в личном кабинете.

[ 02 ]

Обучение

Каждый раздел содержит уроки с теоретическими материалами в видео и текстовых форматах, а так же демонстрацию практических примеров от преподавателей. Самостоятельная работа поможет закрепить полученные знания.

[ 03 ]

Обратная связь и поддержка

Мы поддерживаем онлайн-ресурс, где слушатели всегда могут задать вопрос преподавателю или коллективно обсудить возможные проблемы с другими студентами. Вы всегда сможете получить необходимую информацию в личном кабинете.