Основы Python и аналитики данных в нефтегазовом секторе
Вы познакомитесь с синтаксисом Python 3, узнаете об основных типах данных и возможностях работы с ними. Сможете выполнять научные расчёты и настроить автоматизацию повседневных задач.
Формат
онлайн, в удобное время
Длительность
3 месяца
Структура
11 модулей
Кому подойдёт этот курс
Специалистам, выполняющим отраслевые расчеты
Специалистам, занятым сбором, обработкой и представлением данных
Студентам нефтяных вузов и молодым специалистам
Познакомитесь с инструментарием Python для выполнения технических расчётов.
Сможете увеличить эффективность рабочего процесса.
Узнаете об основных возможностях работы с данными в Python: от сбора до парсинга и визуализации.
Поймёте, как лучше организовать сбор и структурирование данных.
Дополните резюме востребованными компетенциями и откроете для себя новые горизонты профессионального роста.
Освоите базовые навыки программирования и синтаксис Python. Научитесь делать курсовые и домашние в несколько строчек кода.
Получите необходимые компетенции для эффективной работы в условиях цифровизации нефтегазового сектора. Программирование – это “новый калькулятор”.
Получите преимущество перед другими соискателями.
Чему вы научитесь
Освоите программирование на Python
Научитесь программировать на Python с нуля и пользоваться необходимыми библиотеками для работы с данными
Работать с инструментами анализа данных
Узнаете, как проводить анализ в Jupyter Notebook
Освоите визуализацию данных
Узнаете, как визуализировать данные и разрабатывать интерактивную инфографику
Извлекать данные из источников
Научитесь читать файлы различных форматов при помощи Python и библиотеки Pandas, получать, очищать и сохранять данные в разных форматах
Создавать программы на Python
Научитесь создавать программы на Python в императивном, объектном и функциональном стилях
Использовать Python для решения прикладных задач
Узнаете, как применять Python для решения задач в нефтегазовом секторе
Программа обучения
Основы Python
Установка окружения
Стиль кода
Базовые структуры данных
Строки
Индексация строк
Переменные
Динамическая типизация
Организация программ
Методы строк
Списки
Индексация и методы списка
Кортежи
Словари
Множества
Условный оператор
Оператор if
Цикл while
Цикл for
Функции в Python
Функции с параметром
Функция return
Документирование функции
Пространство имён
Способы вызова функции по умолчанию
Распаковка параметров
Параметры вызова функции по умолчанию
Произвольное число параметров
Рекурсия
Встроенные функции
Понятие объекта и его класса
Атрибуты и методы объекта
Указатель на свой объект в методах
Специальные методы классов
Перегрузка операторов
Различие атрибутов класса и экземпляра
Пространство имён класса
Наследование классов
Метод Super
Понятие, виды стандартных ошибок
Обработка исключений
Аналитика данных
Основы Nympy
Ndarray
Базовые операции над массивами
Вычисления с массивами
Создание массивов
Условия и булевы массивы
Изменение размерности списков
Изменение списков
Создание новых списков на основе старых
Структурированные списки
Чтение и запись списков
Основные структуры
Индексы и метод .iloc
Индексы и метод .loc
Характеристики датафрейма pandas
Операции над датафреймами
Применение функций и метод .apply()
Группировка и агрегирование
Сортировка и упорядочение
Работа с NaN-ами
Иерархическое индексирование
Введение в визуализацию
Знакомство с библиотекой Matplotlib
Детали графика
Виды данных, визуализация численных данных
Визуализация категориальных данных
Несколько графиков на одном полотне
Стилизация графиков
Что такое Seaborn
Построение основных графиков в Seaborn
Построение составных графиков
Стилизация графиков seaborn
Что такое данные и какие они бывают
Чтение файлов в формате csv
Запись файлов в формате csv
Форматирование дат
Чтение файлов в формате xlsx
Запись файлов в формате xlsx
Чтение и запись данных в формате JSON
Чтение данных из баз данных
Работа с большими данными – MongoDB