Курс для всех кто хочет изучить питон с нуля.
Важный курс для курсов по теме машиного обучения,
которые зачастую либо предполагают знания питона,
либо тратят существенную часть время на него.
Курс предполагает сдачу программ с использованием модулей Питона.
Поэтому для продуктивного прохождения курса
следует установить на домашний компьютер/ноутбук Питон
(лучше всего, наверное, Anaconda).
| Тема, Ссылки на заметки |
Аннотация |
Дополнительные ссылки |
| 1. Выражения ( ipynb:
просмотр,
скачать notebook)
|
Вводятся базовые элементы питона (Python версии 3.xx): арифметические и логические выражения, понятие о типе (int, float, bool, str, type) и о его явном/неявном преобразование.
Рассматривается и функция печати print. Понятие объекта (на примере, complex), операции над ним и его методы. Также вводится тернарная оператор. Вводится понятие модуля на примере библиотеки math.
|
|
| 2. Переменные ( ipynb:
просмотр,
скачать notebook)
|
Вводятся базовые элементы питона (Python версии 3.xx): переменные, условные переходы, циклы и ввод/вывод.
Вводятся некоторые важные методы объекта строка (str) как для всяких проверок, так и для приведение строки к определенному виду.
Последнее важно для обработке текстовых данных в задачах машинного обучения.
|
|
| 3. Список ( ipynb:
просмотр,
скачать)
|
Вводится базовый объект Питона (Python) список (list).
Показано как его создавать, проверять принадлежность элемента, обращаться к отдельным элементам (сложные индексы), и искать индекс элементов.
Рассказано про цикл while и цикл for применительно к спискам и о важной их составляющей else.
|
|
| 4. Методы списка ( ipynb:
просмотр,
скачать)
|
Показано как добавлять/удалять элементы из списка, рассмотрены арифметические операции над списком, и упорядочивание/сортировка.
Вводятся генераторы, range, фильтры и итераторы (iter, next).
Объяснено что такое адрес объекта (id) и в чем разница между равенством и идентичностью объектов (is).
Показано как копировать списки.
|
|
| 5. Обработка текста ( ipynb:
просмотр,
скачать)
|
Показано как преобразовывать, искать подстроки и тому подобное. В частности, рассматриваются регулярные выражения.
Показано как формируется список токенов и их значений. Методы замены подстрок и разбиения строки на подстроки.
Рассматривается и чтение текстового файла с таблицей (цен акции за некий период).
|
|
| 6. Функциональное программирование ( ipynb:
просмотр,
скачать)
|
На базе задачи построения графиков, в частности, эмитентов, вводится функциональный подход в рамках (Python версии 3.xx).
Рассматриваются map filter и reduce, а также библиотека csv.
Далее изучаются более продвинутые функции функционального программирования из базовых модулей itertools, functools и operator.
В частности, повторы (count, ...), комбинации (product, ...), обработка (chain, starmap, dropwhile, ...) частичное вычисление (partial и attrgetter).
|
Данные:
MTLR_180101_190110.txt
MTLR_190101_190110.txt
|
| 7. Кортеж и словарь ( ipynb:
просмотр,
скачать)
|
|
|
| 8. Массив ( ipynb:
просмотр,
скачать)
|
|
|
| 9. Функции и прикладные дела ( ipynb:
просмотр,
скачать)
|
|
GAZP_180101_190110.txt
MTLR_180101_190110.txt
MTLR_190101_190110.txt
MTLRP_201101_211031.txt
VTBR_180101_190110.txt
|
| 10. Численная теория вероятности ( ipynb:
просмотр,
скачать)
|
|
|
| 11. Классы в Питоне ( ipynb:
просмотр,
скачать)
|
|
|
| 13. Коррелция и критерий Шапиро-Уилка ( ipynb:
просмотр,
скачать)
|
|
|
| 14. Гипотезы и распределения. ( ipynb:
просмотр,
скачать)
|
|
|
| 15. pandas, series ( ipynb:
просмотр,
скачать)
|
|
Данные:
MTLR_190101_190110.txt
MTLR_190101_190110_header.txt
|
| Дата |
Тема |
| 17.09.2019 |
Выражения и переменные: 1. Выражения 2. Переменные |
| 24.09.2019 |
Список в Питоне: 3. Список 4. Методы списка |
| 01.10.2019 |
Обработка списков: 5. Текстовые строки, 6. Обработка списков и построение графиков |
| 08.10.2019 |
Обработка последовательности: 7. Кортеж и словарь, 8. Массив |
| 15.10.2019 |
Теория вероятностей: 9. Функции и прикладные дела, 10. Численная теория вероятности |
| 29.10.2019 |
Математическая статистика: 11. Численная cтатистика и Хи-квадрат, 12. Классы в Питоне |
| 19.11.2019 |
Сравнение распределений: 13. Коррелция и критерий Шапиро-Уилка, 14. Гипотезы и распределения |
| 26.11.2019 |
Таблицы, колонки, серии: 15. pandas, series |