Build your ultimate AI agent
코스 설명
코딩 인터뷰는 만만하지 않아요. 프로그래밍 언어에 대한 지식을 확인하는 질문을 받을 수도 있고, 사고 과정을 보기 위해 과제를 해결하라는 요청을 받을 수도 있어요. 데이터 사이언티스트 포지션의 경우, 해당 언어에서 사용할 수 있는 관련 도구에 대해 묻는 질문도 자주 나옵니다. 어떤 경우든 데이터 사이언티스트로 좋은 자리(쿨한 포지션)를 얻으려면 최고의 퍼포먼스를 낼 수 있도록 약간의 준비가 필요해요. 그렇기 때문에 실력을 증명할 수 있도록 꾸준히 연습하는 게 정말 중요합니다! 이 코스는 프로페셔널 데이터 사이언티스트로 가는 길을 막 시작한 분들께는 안내서가 되고, 새로운 기회를 찾는 분들께는 리프레셔가 되어 드립니다. Python 코딩 인터뷰를 준비할 수 있도록 기초부터 고급 주제까지 함께 살펴볼 거예요. 단계별로 진행되는 일반적인 코스가 아니기 때문에, 일부 연습 문제는 꽤 도전적일 수 있어요. 하지만 면접이 원래 쉽지 않다는 것, 다들 아시죠?
사전 요구 사항
커리큘럼
코스 개요
1
Python의 데이터 구조와 문자열 처리
이 장에서는 Python에서 사용하는 주요 데이터 구조를 다시 정리해 볼 거예요. 리스트, 튜플, 세트, 딕셔너리를 어떻게 다루는지 살펴봅니다. 또한 문자열과 정규 표현식을 사용해 주어진 텍스트에서 원하는 문자 시퀀스를 추출하는 방법도 다룰 거예요.
2
Iterable 객체와 그 표현들
이 장의 초점은 iterable 객체입니다. iterable 객체의 정의를 되짚고, 어떻게 식별하는지 설명할 거예요. 다음으로, Python만의 강력한 기능인 리스트 컴프리헨션을 다룹니다. 그다음에는 여러 iterable 객체를 하나로 결합하는 방법을 복습하고, 마지막으로 제너레이터를 사용해 커스텀 iterable 객체를 만드는 방법을 알아볼게요.
3
함수와 람다 표현식
이 장에서는 Python의 함수형 측면에 집중합니다. 위치 인자와 키워드 인자를 가변 개수로 받는 함수를 정의하는 것부터 시작할게요. 다음으로 람다 함수와 그것이 유용한 경우를 살펴봅니다. 특히 map(), filter(), reduce() 같은 함수와 함께 어떻게 사용하는지 보겠습니다. 마지막으로 재귀가 무엇인지, 올바르게 구현하는 방법을 복습할 거예요.
4
과학 계산을 위한 Python
이 장에서는 Python에서의 과학 계산 주제를 다룹니다. 먼저 NumPy 배열과 리스트의 차이를 설명하고, 복잡한 계산에 왜 전자가 더 적합한지 알아볼게요. 다음으로 pandas DataFrame을 다루는 유용한 기법들을 살펴보겠습니다. 마지막으로 산점도, 히스토그램, 박스플롯을 사용해 데이터를 시각화해 볼 거예요.
Python으로 코딩 인터뷰 문제 연습하기
코스
완료
