Чему вы научитесь
- Создание и индексация массивов NumPy
- Векторизация вместо циклов
- Broadcasting и смена формы массива
- Маски и булева индексация
- Базовая статистика и линейная алгебра на массивах
О курсе
NumPy для анализа данных: массивы, векторизация и практика
Курс учит спокойно работать с массивами: читать форму данных, видеть оси, собирать быстрые вычисления без поэлементных циклов и без лишних преобразований. Это не энциклопедия функций, а практический тренажёр для анализа данных.
В начале есть лёгкий практикум без входных данных: короткие задания в стиле «создай массив, выведи результат, закрепи действие». После него можно идти в основной трек или возвращаться к отдельным разделам как к справочнику.
Что внутри
- 31 раздел и 62 урока: от первых массивов NumPy до задач анализа данных;
- 67 практических задач с автопроверкой: у каждой — эталонное решение и набор дискриминирующих тестов, которые ловят типичные ошибки, а не только проверяют «работает ли»;
- 86 визуализаций и анимаций: как «растягивается» broadcasting, как едет скользящее окно, оси и keepdims, маски, расстояния, PCA и SVD, метрики, воронки, даты — в едином наглядном стиле;
- объяснения «простыми словами» и блоки «частые ошибки» в уроках — концепт разобран с двух сторон: как работает и где спотыкаются;
- формулы в TeX с дублированием текстом, чтобы их было легко читать и проверять.
Как проходить курс
| Сценарий | С чего начать | Как идти дальше |
|---|---|---|
| Ты только входишь в NumPy | Раздел 0, затем 1-5. Этого достаточно для первого уверенного круга. | Сначала решай короткие задачи без входных данных, потом переходи к задачам с табличным вводом. Справочные разделы открывай только когда нужно повторить приём. |
| Ты уже аналитик с Python-базой | Быстро проходи 1-5, затем выбирай прикладные разделы по задаче. | Смотри на курс как на набор приёмов: похожесть объектов, порядок выдачи, калибровка, удержание, сдвиг распределений и группировки. |
| Ты возвращаешься точечно | Открывай 17, 23-27 и 30 как справочный слой. | Там собраны карты выбора приёма, частые ошибки, пересечения аудиторий, поиск по справочнику, чтение таблиц и даты. |
Маршрут zasqlpython.ru
| Куда идти | Когда открывать | Зачем |
|---|---|---|
| конспекты | после разделов 0-5 | быстро повторить синтаксис NumPy, shape, axis, dtype и базовые операции |
| задачи | после каждого практического раздела | добрать короткие задачи, если Stepik-заданий оказалось мало |
| метрики | после разделов 11-16 и 22 | разобрать метрики экспериментов, ранжирования, классификации, регрессии и контроля качества |
| собеседования | после базового трека 0-5 | проверить, можешь ли объяснить NumPy-приёмы на собеседовании |
| машинное обучение | после разделов про признаки и модели | связать массивы, признаки, похожесть объектов и модели с практикой машинного обучения |
Как устроены задачи
- в условии явно указаны вход, выход и поведение в спорных случаях (tie-break, пустые группы, нули);
- под условием — блок «Как разобрать вход»: пример входа, как заготовка читает его в массивы, и ожидаемый вывод;
- код пишется в простом формате: без ручного чтения потока ввода и без обёртки
main()— решение легко запустить отдельно; - у каждой задачи есть авторское решение и тесты, которые прогоняются локально перед публикацией.
Лёгкий режим прохождения
Если тема новая, не проходи курс как энциклопедию. Первый круг — это разделы 0-5: смотри цель шага, картинку, короткий разбор входа и решай одну основную задачу. Формулы, машинное обучение и прикладные кейсы после раздела 5 можно открывать позже как справочник, когда они понадобятся в работе.
Важно: курс специально разделён на базовое ядро и прикладной слой. Базовое ядро учит NumPy без перегруза. Поздние разделы показывают, как те же массивы используются в аналитике, метриках и моделях, но они не обязательны для первого прохождения.
Что внутри по содержанию
- ядро NumPy: массивы, форма, типы данных, индексация, маски, расширение размеров, изменение формы, агрегаты, случайные числа, линейная алгебра, чтение таблиц и даты;
- анализ данных и машинное обучение: масштабирование признаков, поиск похожих объектов, рекомендации, ранжирование, эксперименты, доверительные интервалы, главные компоненты, поиск аномалий, матрица ошибок, калибровка вероятностей, удержание, воронки, метрики регрессии, контроль сдвига, группировки без pandas, выживаемость, матрицы переходов и отчёты по пропускам;
- разные форматы заданий Stepik: выбор, сопоставление, сортировка, пропуски, число, строка и код с автопроверкой;
- дополнительная практика и конспекты — на zasqlpython.ru (в том числе задачи).
Для кого курс
- для начинающих аналитиков, которым нужно уверенно решать задачи на массивах;
- для студентов и специалистов, которые знают базовый Python и хотят перейти к анализу данных;
- для тех, кто дальше планирует изучать pandas, машинное обучение и продуктовую аналитику.
Нормативная база курса
Темы и порядок построены вокруг базовых разделов официальной документации NumPy: быстрый старт, расширение размеров, копии и представления, генератор случайных чисел, чтение и запись файлов и даты и время.