After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Als Data Scientist zou je het grootste deel van je tijd moeten besteden aan het halen van bruikbare inzichten uit data — niet aan wachten tot je code klaar is. Efficiënte Python-code schrijven kan de looptijd verkorten en rekenkracht besparen, zodat je meer tijd overhoudt voor het werk waar je blij van wordt als Data Scientist. In deze cursus leer je hoe je Python’s ingebouwde datastructuren, functies en modules gebruikt om schonere, snellere en efficiëntere code te schrijven. We bekijken hoe je code kunt timen en profileren om knelpunten te vinden. Daarna ga je oefenen met het wegnemen van die knelpunten en andere onhandige ontwerpkeuzes met Python’s Standard Library, NumPy en pandas. Na afloop van deze cursus heb je de tools in handen om efficiënte Python-code te schrijven!De video’s bevatten live-transcripties die je kunt tonen door linksonder in de video’s op "Show transcript" te klikken.
De woordenlijst van de cursus vind je rechts bij de bronnen.
Om CPE-credits te behalen, moet je de cursus afronden en minimaal 70% scoren op de gekwalificeerde toets. Je gaat naar de toets via de CPE-creditsvermelding aan de rechterkant.
Vereisten
Curriculum
Cursusoverzicht
1
Fundamenten voor efficiëntie
In dit hoofdstuk leer je wat het betekent om efficiënte Python-code te schrijven. Je verkent Python’s Standard Library, maakt kennis met NumPy-arrays en oefent met enkele ingebouwde tools van Python. Dit hoofdstuk vormt de basis voor de onderwerpen die verderop aan bod komen.
- Welkom!50 XP
- Mini-quiz: wat is efficiënt?50 XP
- Een voorproefje van wat komt100 XP
- Zen van Python50 XP
- Bouwen met ingebouwde functies50 XP
- Oefenen met built-ins: range()100 XP
- Oefenen met ingebouwde functies: enumerate()100 XP
- Oefenen met ingebouwde functies: map()100 XP
- De kracht van NumPy-arrays50 XP
- Oefenen met NumPy-arrays100 XP
- Alles samenbrengen: Festivus!100 XP
2
Code timen en profileren
In dit hoofdstuk leer je hoe je looptijden verzamelt en vergelijkt tussen verschillende manieren van coderen. Je oefent met de pakketten line_profiler en memory_profiler om je codebase te profileren en knelpunten op te sporen. Vervolgens ga je die knelpunten gericht vervangen door efficiënte Python-code.
3
Efficiënter werken
Dit hoofdstuk behandelt meer geavanceerde tips en trucs voor efficiëntie. Je leert een paar handige ingebouwde modules kennen voor het schrijven van efficiënte code en je oefent met verzamelingenleer. Daarna leer je over luspatronen in Python en hoe je die efficiënter maakt.
4
Basisoptimalisaties voor pandas
Dit hoofdstuk biedt een korte introductie in efficiënt werken met pandas DataFrames. Je leert welke opties je hebt om over een DataFrame te itereren. Daarna leer je hoe je functies efficiënt toepast op data in een DataFrame.
Efficiënte Python-code schrijven
Cursus
voltooid
