After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
I colloqui tecnici possono essere impegnativi. Potresti ricevere domande per verificare la tua conoscenza di un linguaggio di programmazione. Oppure potresti dover risolvere un compito per mostrare come ragioni. E se stai sostenendo un colloquio per una posizione da data scientist, è probabile che ti chiedano anche degli strumenti disponibili per quel linguaggio. In ogni caso, per ottenere una bella posizione come data scientist, serve un po’ di lavoro per dare il massimo. Ecco perché è così importante esercitarsi per dimostrare la tua competenza! Questo corso è una guida per chi sta iniziando il percorso per diventare data scientist professionista e un ripasso per chi sta cercando nuove opportunità. Affronteremo argomenti fondamentali e avanzati per prepararti a un coding interview in Python. Non essendo un corso tradizionale passo dopo passo, alcuni esercizi possono risultare piuttosto complessi. Ma chi ha detto che i colloqui sono facili, giusto?
Prerequisiti
Curriculum
Programma del corso
1
Strutture dati e manipolazione di stringhe in Python
In questo capitolo ripasseremo le principali strutture dati usate in Python. Vedremo come lavorare con liste, tuple, set e dizionari. Considereremo anche le stringhe e come scrivere espressioni regolari per estrarre sequenze di caratteri specifiche da un testo dato.
- Quali sono le principali strutture dati in Python?50 XP
- Metodi delle liste100 XP
- Operazioni sugli insiemi50 XP
- Memorizzare dati in un dizionario100 XP
- Quali sono i modi più comuni per manipolare le stringhe?50 XP
- Indicizzazione e concatenazione di stringhe100 XP
- Operazioni sulle stringhe100 XP
- Correggere errori nelle stringhe in un DataFrame100 XP
- Come scrivere le espressioni regolari in Python?50 XP
- Scrivi un'espressione regolare100 XP
- Trova il pattern corretto50 XP
- Suddividere con un pattern100 XP
2
Oggetti iterabili e loro rappresentazioni
Questo capitolo è dedicato agli oggetti iterabili. Ripasseremo la definizione di oggetto iterabile e come riconoscerlo. Poi tratteremo le list comprehension, una funzionalità molto particolare del linguaggio Python per definire liste. Quindi ricorderemo come combinare più oggetti iterabili in uno solo. Infine, vedremo come creare oggetti iterabili personalizzati usando i generatori.
3
Funzioni ed espressioni lambda
Questo capitolo si concentra sugli aspetti funzionali di Python. Inizieremo definendo funzioni con un numero variabile di argomenti posizionali e di parola chiave. Poi parleremo delle funzioni lambda e in quali casi possono essere utili. In particolare, vedremo come usarle con funzioni come map(), filter() e reduce(). Infine, ripasseremo cos’è la ricorsione e come implementarla correttamente.
4
Python per il calcolo scientifico
Questo capitolo tratterà temi di calcolo scientifico in Python. Inizieremo spiegando la differenza tra gli array di NumPy e le liste, chiarendo perché i primi sono più adatti a calcoli complessi. Poi vedremo alcune tecniche utili per manipolare i DataFrame di pandas. Infine, faremo un po’ di visualizzazione dei dati usando scatter plot, istogrammi e box plot.
Esercitarsi con le domande di colloquio di coding in Python
Corso
completato
