Kurzusleírás
Bevezetés
- Python sokoldalúság: az adatelemzéstől a webes feltérképezésig
Python Adatstruktúrák és -műveletek
- Egész számok és úszók
- Karakterláncok és bájtok
- Tuples és listák
- Szótárak és rendelt szótárak
- Készletek és fagyasztott készletek
- Adatkeret (pandák)
- Konverziók
Objektum-orientált programozás Python
- Öröklés
- Polimorfizmus
- Statikus osztályok
- Statikus funkciók
- Dekorátorok
- Egyéb
Adatelemzés a Pandas segítségével
- Adattisztítás
- Vektoros adatok használata pandákban
- Adatviszály
- Adatok rendezése és szűrése
- Összesített műveletek
- Idősorok elemzése
Data Visualization
- Ábrák ábrázolása matplotlib segítségével
- A matplotlib használata pandákból
- Minőségi diagramok készítése
- Adatok megjelenítése Jupyter notebookokban
- Egyéb vizualizációs könyvtárak a Python-ben
Az adatok vektorizálása a Numpy-ban
- Numpy tömbök létrehozása
- Gyakori műveletek mátrixokon
- Ufuncs használata
- Nézetek és sugárzás a Numpy tömbökön
- A teljesítmény optimalizálása a hurkok elkerülésével
- A teljesítmény optimalizálása a cProfile segítségével
Big Data feldolgozása a Python segítségével
- Elosztott alkalmazások készítése és támogatása Python segítségével
- Adattárolás: Munkavégzés SQL és NoSQL adatbázisokkal
- Elosztott feldolgozás Hadoop és Spark segítségével
- Az alkalmazások méretezése
A Python kiterjesztése (és fordítva) más nyelvekkel
- C#
- Jáva
- C++
- Perl
- Mások
Python Többszálú programozás
- Modulok
- Szinkronizálás
- Rangsorolás
Data Serialization
- Python objektumok szerializálása Pickle-vel
UI programozás a Python segítségével
- Keretbeállítások grafikus felhasználói felületek készítéséhez Pythonban
- Tkinter
- Pyqt
Python a Maintenance Scriptinghez
- A kivételek helyes felvetése és elfogása
- A kód modulokba és csomagokba rendezése
- A szimbólumtáblázatok megértése és kódban való elérése
- Tesztelési keretrendszer kiválasztása és TDD alkalmazása Python
Python a weben
- Csomagok webes feldolgozáshoz
- Webes feltérképezés
- HTML és XML elemzése
- Webes űrlapok automatikus kitöltése
Összefoglalás, és következtetés
Követelmények
- Kezdő és középhaladó programozási tapasztalat.
- Matematika és statisztika ismerete.
- Adatbázis fogalmak ismerete.
Közönség
- Fejlesztők
Vélemények (7)
Plenty of examples - and the trainer willing to bend backwards to help us with topics we were weaker in.
Wei Lit Teoh - HP Singapore (Private) Ltd.
Kurzus - Advanced Python - 4 Days
Sok gyakorlat
Fanny Stauffer - UCB Pharma S.A.
Kurzus - Advanced Python - 4 Days
Gépi fordítás
The trainer gave a clear and systematic teaching. He usually gave the reasoning and fundamental knowledge behind the commands. He also gave us time to do the exercises and practice.
Felicia Rezanda - HP Singapore (Private) Ltd.
Kurzus - Advanced Python - 4 Days
The first 2 days were very informative. it gets messy when you get into frameworks because every projects has its own goals and requirements and sometimes the 'popular' framework isn't suitable.
Raphael Treccani-Chinelli - Nordic Semiconductor ASA
Kurzus - Advanced Python - 4 Days
Very good overview about python on a lot of area of usage.
János Dóra - Robert Bosch Kft.
Kurzus - Advanced Python
The prepared Jupiter Notebook examples were really good. Plenty of explanations for later, offline use, and we didn't have to spend half of the training copying the examples.
Csongor Miklos - Robert Bosch Kft.
Kurzus - Advanced Python
I liked the most Jorge's attitude, and his experience in python. The greatest topic for me was the Machine Learning topic.