Видеокурсы| Все видеокурсы, обучающие видео и видеоуроки Рунета.

Что за видеокурс.

Авторский обучающий видеокурс по обработке и анализу данных на Python.

• Технические основы анализа и визуализации данных.
• Основы языка Python с полного нуля.
• Подойдет для новичков и Python-кодеров с опытом.
• Включает «must-have» библиотеки Pandas и Matplotlib.
• Доступ в специальную нетворкинг-зону (закрытый Telegram-чат).
• Личная поддержка автора курса и итоговый Сертификат.

Автор курса Андрей Кудлай.

Что вошло в видеокурс.

Содержание курса.

Часть 1. Окружение и основы Jupyter Notebook.

• Урок 1. Введение. Установка Python (15:45).
• Урок 2. Установка виртуального окружения (13:38) .
• Урок 3. Установка дистрибутива Anaconda (12:27).
• Урок 4. Язык разметки Markdown (29:33).
• Урок 5. Горячие клавиши в Jupyter Notebook (29:33).
• Урок 6. Волшебные команды Jupyter Notebook (24:12).

Часть 2. Структура данных Series.

• Урок 1. Series. Constructor (17:51) Первый урок будет посвящен знакомству с типом Series. Из урока вы узнаете, как создать серию в Pandas, используя метод конструктора, а также узнаете о том, что такое значения и индексы в Pandas.
• Урок 2. Series. Работа со значениями (26:29).
• Урок 3. Фильтрация данных Series (17:10).
• Урок 4. Атрибуты и методы Series. Часть 1 (16:02).
• Урок 5. Атрибуты и методы Series. Часть 2 (14:44).
• Урок 6. Домашнее задание (09:40).

Часть 3. Структура данных DataFrame.

• Урок 1. DataFrame. Constructor (15:17) Первый урок будет посвящен знакомству с типом DataFrame. Из урока вы узнаете, как создать датафрейм в Pandas, используя метод конструктора.
• Урок 2. DataFrame. Чтение данных (22:14).
• Урок 3. Получение информации о DataFrame (17:21).
• Урок 4. Опции и настройки DataFrame (26:16).
• Урок 5. Атрибуты loc и iloc (18:19).
• Урок 6. Домашнее задание (08:58).
• Урок 7. Добавление и удаление колонок (20:34).
• Урок 8. Переименование колонок (14:58).
• Урок 9. Работа с NaN (20:50).
• Урок 10. Работа с Excel. Запись в файлы (24:50).
• Урок 11. Домашнее задание (14:52).
• Урок 12. Методы для работы со строками (33:51).
• Урок 13. Метод apply (29:06).
• Урок 14. Группировка методом groupby (21:48).
• Урок 15. Домашнее задание (06:13).
• Урок 16. Группировка с фильтрацией (33:55).
• Урок 17. Сортировка (20:07).
• Урок 18. Объединение датафреймов. Метод concat (12:16).
• Урок 19. Домашнее задание (10:35).
• Урок 20. Сводные таблицы (32:16).
• Урок 21. Домашнее задание - 1 (09:27).
• Урок 22. Домашнее задание - 2 (16:13).
• Урок 23. Объединение таблиц с merge и join (36:51).
• Урок 24. Домашнее задание (06:53).
• Урок 25. Типы данных в Pandas (30:50).
• Урок 26. Тип данных Category (39:31).
• Урок 27. Тип данных Datetime (23:17).

Часть 4. Практика работы с Pandas.

• Урок 1. Библиотека Matplotlib. Часть 1 (08:58).
• Урок 2. Библиотека Matplotlib. Часть 2 (29:50).
• Урок 3. Задание 1-1. Чтение файлов в датафрейм (12:58).
• Урок 4. Задание 1-2. Удаление пустых значений (06:38).
• Урок 5. Задание 1-3. Конвертирование типов (10:25).
• Урок 6. Задание 1-4. Добавляем колонку Total (04:51).
• Урок 7. Задание 1-5. Добавляем колонку Month (07:14).
• Урок 8. Задание 1-6. Определяем лучший месяц продаж (30:19).
• Урок 9. Задание 1-7. Определяем лучшие часы продаж (23:00).
• Урок 10. Задание 1-8. Определяем лучшие дни продаж (07:59).
• Урок 11. Задание 1-9. Определяем город наибольших продаж (16:47).
• Урок 12. Задание 2-1. Объединение файлов данных (19:13).
• Урок 13. Задание 2-2. Получение всех имен по годам (24:25).
• Урок 14. Задание 2-3. Определяем ТОП 10 имен (09:47) Еще одной практической задачей может быть ответ на вопрос ТОП 10 женских и ТОП 10 мужских имен за весь период имеющейся выборки. В этом уроке будет показано решение озвученной задачи.
• Урок 15. Пакет Qgrid (13:07).

+ Бонус. Основы Python.

Видеопрезентация курса.