Build your ultimate AI agent
Descripción del curso
Las entrevistas técnicas pueden ser todo un reto. Pueden pedirte preguntas para evaluar tu conocimiento de un lenguaje de programación. También pueden darte una tarea para resolver y ver cómo piensas. Y si te entrevistan para un puesto de data scientist, es probable que te pregunten por las herramientas disponibles en ese lenguaje. En cualquier caso, para conseguir un buen puesto como data scientist, necesitas prepararte un poco para rendir al máximo. Por eso es tan importante practicar para demostrar tu experiencia. Este curso es una guía para quienes empiezan su camino hacia ser data scientists profesionales y un repaso para quienes buscan nuevas oportunidades. Veremos temas fundamentales y avanzados para prepararte para una entrevista de código en Python. Como no es un curso paso a paso tradicional, algunos ejercicios pueden ser bastante complejos. Pero, ¿quién dijo que las entrevistas son fáciles, verdad?
Requisitos previos
Programa de formación
Contenido del curso
1
Estructuras de datos en Python y manipulación de cadenas
En este capítulo, refrescaremos los conceptos de las principales estructuras de datos que se usan en Python. Veremos cómo trabajar con listas, tuplas, conjuntos y diccionarios. También trataremos las cadenas y cómo escribir expresiones regulares para extraer secuencias específicas de caracteres de un texto dado.
- ¿Cuáles son las principales estructuras de datos en Python?50 XP
- Métodos de listas100 XP
- Operaciones con conjuntos50 XP
- Almacenar datos en un diccionario100 XP
- ¿Cuáles son las formas más comunes de manipular cadenas?50 XP
- Indexación y concatenación de cadenas100 XP
- Operaciones con strings100 XP
- Corregir errores de cadenas en un DataFrame100 XP
- ¿Cómo escribir expresiones regulares en Python?50 XP
- Escribe una expresión regular100 XP
- Encuentra el patrón correcto50 XP
- Dividir usando un patrón100 XP
2
Objetos iterables y sus representaciones
Este capítulo se centra en los objetos iterables. Recordaremos qué es un objeto iterable y cómo identificarlo. A continuación, veremos las comprensiones de listas, una característica muy especial del lenguaje Python para definir listas. Después, repasaremos cómo combinar varios objetos iterables en uno. Por último, veremos cómo crear objetos iterables personalizados usando generadores.
3
Funciones y expresiones lambda
Este capítulo se centrará en los aspectos funcionales de Python. Empezaremos definiendo funciones con una cantidad variable de argumentos posicionales y de palabra clave. Luego veremos las funciones lambda y en qué casos pueden ser útiles. En particular, veremos cómo usarlas con funciones como map(), filter() y reduce(). Para terminar, recordaremos qué es la recursión y cómo implementarla correctamente.
4
Python para la computación científica
Este capítulo cubrirá temas de computación científica en Python. Empezaremos explicando la diferencia entre los arrays de NumPy y las listas, y por qué los primeros se adaptan mejor a cálculos complejos. Luego veremos técnicas útiles para manipular DataFrames de pandas. Para terminar, haremos visualizaciones de datos usando diagramas de dispersión, histogramas y diagramas de caja.
Practicing Coding Interview Questions in Python
Curso
completado
