Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Kodningsintervjuer kan vara utmanande. Du kan få frågor som testar dina kunskaper i ett programmeringsspråk, eller en uppgift att lösa för att visa hur du tänker. Söker du en tjänst som datavetare är det också troligt att du får frågor om relevanta verktyg för språket. Oavsett situation behöver du förbereda dig ordentligt för att prestera på topp. Därför är det avgörande att öva och visa din kompetens! Den här kursen fungerar både som en introduktion för dig som tar de första stegen mot att bli professionell datavetare, och som en uppfräschning för dig som söker nya möjligheter. Vi går igenom både grundläggande och mer avancerade ämnen för att förbereda dig inför en kodningsintervju i Python. Eftersom det här inte är en vanlig steg-för-steg-kurs kan vissa övningar vara ganska komplexa – men vem sa att intervjuer är enkla att klara?
Förkunskapskrav
Kursplan
Kursöversikt
1
Pythons datastrukturer och stränghantering
I det här kapitlet fräschar vi upp kunskaperna om de viktigaste datastrukturerna i Python. Vi går igenom hur man arbetar med listor, tupler, mängder och ordlistor. Vi behandlar även strängar och hur man skriver reguljära uttryck för att hämta specifika teckensekvenser ur en given text.
- Vilka är de viktigaste datastrukturerna i Python?50 XP
- Listmetoder100 XP
- Operationer på mängder50 XP
- Lagra data i en ordbok100 XP
- Hur manipulerar man strängar på vanliga sätt?50 XP
- Strängindexering och sammanslagning100 XP
- Operationer på strängar100 XP
- Rätta strängfel i en DataFrame100 XP
- Hur skriver man reguljära uttryck i Python?50 XP
- Skriv ett reguljärt uttryck100 XP
- Hitta rätt mönster50 XP
- Dela upp med ett mönster100 XP
2
Iterbara objekt och representanter
Det här kapitlet fokuserar på iterbara objekt. Vi fräschar upp definitionen av iterbara objekt och förklarar hur man känner igen ett sådant. Sedan går vi igenom listomfattningar, som är en mycket speciell egenskap i Python för att definiera listor. Därefter repeterar vi hur man kombinerar flera iterbara objekt till ett. Slutligen går vi igenom hur man skapar egna iterbara objekt med hjälp av generatorer.
3
Funktioner och lambdauttryck
Det här kapitlet fokuserar på de funktionella aspekterna av Python. Vi börjar med att definiera funktioner med ett variabelt antal positions- och nyckelordsargument. Sedan går vi igenom lambdafunktioner och i vilka situationer de är användbara – framför allt hur de används tillsammans med funktioner som map(), filter() och reduce(). Slutligen repeterar vi vad rekursion är och hur man implementerar det på rätt sätt.
4
Python för vetenskaplig beräkning
Det här kapitlet behandlar vetenskaplig beräkning i Python. Vi börjar med att förklara skillnaden mellan NumPy-arrayer och listor, och varför arrayer passar bättre för komplexa beräkningar. Sedan går vi igenom några användbara tekniker för att manipulera pandas DataFrames. Slutligen visualiserar vi data med hjälp av spridningsdiagram, histogram och lådagram.
Öva på kodningsintervjufrågor i Python
Kurs
slutförd
