Build your ultimate AI agent
Opis kursu
Rozmowy kwalifikacyjne z programowania mogą być wymagające. Możesz zostać zapytany o znajomość języka programowania lub otrzymać zadanie do rozwiązania, które sprawdzi twój sposób myślenia. Jeśli ubiegasz się o stanowisko data scientista, prawdopodobnie padną też pytania o narzędzia dostępne w danym języku. W każdym z tych przypadków, aby zdobyć wymarzoną pozycję, warto się odpowiednio przygotować. Dlatego tak ważne jest regularne ćwiczenie – by móc udowodnić swoje umiejętności. Ten kurs jest przewodnikiem zarówno dla tych, którzy dopiero zaczynają swoją drogę jako data scientist, jak i dla tych, którzy szukają nowych możliwości. Przejdziemy przez podstawowe i zaawansowane zagadnienia, które przygotują cię do rozmowy kwalifikacyjnej z programowania w Pythonie. To nie jest typowy kurs krok po kroku – niektóre ćwiczenia mogą być naprawdę trudne. Ale kto powiedział, że rozmowy kwalifikacyjne są łatwe?
Wymagania wstępne
Program kursu
Plan kursu
1
Struktury danych i manipulowanie łańcuchami znaków w Pythonie
W tym rozdziale odświeżymy wiedzę na temat głównych struktur danych używanych w Pythonie. Omówimy listy, krotki, zbiory i słowniki. Zajmiemy się też łańcuchami znaków oraz pisaniem wyrażeń regularnych, które pozwalają wyszukiwać określone sekwencje znaków w tekście.
- Jakie są główne struktury danych w Pythonie?50 XP
- Metody list100 XP
- Operacje na zbiorach50 XP
- Przechowywanie danych w słowniku100 XP
- Jakie są popularne sposoby manipulowania łańcuchami znaków?50 XP
- Indeksowanie i łączenie ciągów znaków100 XP
- Operacje na łańcuchach znaków100 XP
- Poprawianie błędów w łańcuchach znaków w DataFrame100 XP
- Jak pisać wyrażenia regularne w Pythonie?50 XP
- Napisz wyrażenie regularne100 XP
- Znajdź poprawny wzorzec50 XP
- Podział według wzorca100 XP
2
Obiekty iterowalne i ich reprezentacje
Ten rozdział poświęcony jest obiektom iterowalnym. Odświeżymy definicję obiektów iterowalnych i wyjaśnimy, jak je rozpoznać. Następnie omówimy wyrażenia listowe – szczególną cechę Pythona, która umożliwia zwięzłe tworzenie list. Przypomnisz sobie też, jak łączyć kilka obiektów iterowalnych w jeden. Na koniec pokażemy, jak tworzyć własne obiekty iterowalne przy użyciu generatorów.
3
Funkcje i wyrażenia lambda
Ten rozdział skupia się na funkcyjnych aspektach Pythona. Zaczniemy od definiowania funkcji przyjmujących zmienną liczbę argumentów pozycyjnych i kluczowych. Następnie omówimy funkcje lambda i sytuacje, w których są szczególnie przydatne – zwłaszcza w połączeniu z funkcjami map(), filter() i reduce(). Na koniec przypomnisz sobie, czym jest rekurencja i jak ją poprawnie zaimplementować.
4
Python w obliczeniach naukowych
Ten rozdział dotyczy obliczeń naukowych w Pythonie. Zaczniemy od wyjaśnienia różnicy między tablicami NumPy a listami oraz omówimy, dlaczego tablice lepiej sprawdzają się w złożonych obliczeniach. Następnie poznasz przydatne techniki pracy z obiektami DataFrame z biblioteki pandas. Na koniec zwizualizujemy dane przy użyciu wykresów punktowych, histogramów i wykresów pudełkowych.
Ćwiczenie pytań na rozmowach kwalifikacyjnych z programowania w Pythonie
Kurs
ukończony
