Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Jako Data Scientist większość czasu powinieneś poświęcać na wyciąganie wartościowych wniosków z danych – nie na czekanie, aż kod skończy działać. Pisanie wydajnego kodu w Pythonie pozwala skrócić czas wykonania i oszczędzić zasoby obliczeniowe, dzięki czemu możesz skupić się na tym, co w tej pracy najważniejsze. W tym kursie nauczysz się korzystać z wbudowanych struktur danych, funkcji i modułów Pythona, aby pisać czystszy, szybszy i bardziej efektywny kod. Poznasz sposoby mierzenia i profilowania kodu w celu wykrywania wąskich gardeł. Następnie przećwiczysz ich eliminację oraz poprawę innych nieefektywnych wzorców, korzystając ze standardowej biblioteki Pythona, NumPy i pandas. Po ukończeniu kursu będziesz mieć wszystkie narzędzia potrzebne do pisania wydajnego kodu w Pythonie!Filmy zawierają transkrypcje na żywo – możesz je wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu.
Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów.
Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanym teście. Do testu możesz przejść, klikając informację o punktach CPE po prawej stronie.
Wymagania wstępne
Program nauczania
Plan kursu
1
Podstawy wydajności
W tym rozdziale dowiesz się, co oznacza pisanie wydajnego kodu w Pythonie. Poznasz standardową bibliotekę Pythona, nauczysz się korzystać z tablic NumPy i przećwiczysz używanie wybranych wbudowanych narzędzi. Ten rozdział stanowi fundament pod zagadnienia omawiane w dalszej części kursu.
- Witaj!50 XP
- Krótki quiz: czym jest efektywność50 XP
- Przedsmak tego, co nadejdzie100 XP
- Zen Pythona50 XP
- Wbudowane narzędzia Pythona50 XP
- Ćwiczenie z wbudowanych funkcji: range()100 XP
- Wbudowane funkcje w praktyce: enumerate()100 XP
- Wbudowane narzędzia w praktyce: map()100 XP
- Potęga tablic NumPy50 XP
- Ćwiczenia z tablicami NumPy100 XP
- Łączymy wszystko razem: Festivus!100 XP
2
Mierzenie i profilowanie kodu
W tym rozdziale nauczysz się mierzyć i porównywać czasy wykonania różnych podejść do pisania kodu. Przećwiczysz korzystanie z pakietów line_profiler i memory_profiler do profilowania kodu i wykrywania wąskich gardeł. Następnie zastosujesz zdobytą wiedzę w praktyce, zastępując te wąskie gardła wydajnym kodem w Pythonie.
3
Zwiększanie wydajności
Ten rozdział poświęcony jest bardziej zaawansowanym technikom zwiększania wydajności. Poznasz kilka przydatnych wbudowanych modułów do pisania efektywnego kodu i przećwiczysz zastosowanie teorii zbiorów. Dowiesz się też, jakie wzorce pętli są dostępne w Pythonie i jak je usprawnić.
4
Podstawowe optymalizacje w pandas
Ten rozdział to zwięzłe wprowadzenie do wydajnej pracy z obiektami DataFrame w pandas. Poznasz różne sposoby iterowania po DataFrame, a następnie nauczysz się efektywnie stosować funkcje do danych w nim przechowywanych.
Wydajny kod w Pythonie
Kurs
ukończony
