After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Som datavetenare bör du lägga merparten av din tid på att utvinna användbara insikter från data – inte på att vänta på att koden ska bli klar. Att skriva effektiv Python-kod kan minska körtiden och spara beräkningsresurser, så att du får mer tid över för det som verkligen betyder något. I den här kursen lär du dig att använda Pythons inbyggda datastrukturer, funktioner och moduler för att skriva renare, snabbare och mer effektiv kod. Du utforskar hur man mäter och profilerar kod för att hitta flaskhalsar. Sedan övar du på att eliminera dessa flaskhalsar och andra dåliga designmönster med hjälp av Pythons standardbibliotek, NumPy och pandas. När du är klar med kursen har du de verktyg du behöver för att börja skriva effektiv Python-kod!Videorna innehåller direkttextning som du kan visa genom att klicka på "Show transcript" längst ned till vänster i videospelaren.
Kursens ordlista finns till höger i resurssektionen.
För att få CPE-poäng behöver du slutföra kursen och nå ett resultat på minst 70 % på den kvalificerade bedömningen. Du når bedömningen via CPE-poänglänken till höger.
Förkunskapskrav
Kursplan
Kursöversikt
1
Grunder för effektivitet
I det här kapitlet lär du dig vad det innebär att skriva effektiv Python-kod. Du utforskar Pythons standardbibliotek, lär dig om NumPy-arrayer och övar på att använda några av Pythons inbyggda verktyg. Kapitlet lägger grunden för de koncept som behandlas längre fram.
- Välkommen!50 XP
- Snabbfråga: vad är effektivitet?50 XP
- En försmak av vad som komma skall100 XP
- Zen of Python50 XP
- Bygg med inbyggda funktioner50 XP
- Inbyggd övning: range()100 XP
- Inbyggd övning: enumerate()100 XP
- Inbyggd övning: map()100 XP
- NumPy-arrayernas kraft50 XP
- Öva med NumPy-arrayer100 XP
- Allt på en gång: Festivus!100 XP
2
Tidsmätning och kodprofilering
I det här kapitlet lär du dig att mäta och jämföra körtider för olika kodlösningar. Du övar på att använda paketen `line_profiler` och `memory_profiler` för att profilera din kodbas och hitta flaskhalsar. Sedan omsätter du dina kunskaper i praktiken genom att ersätta dessa flaskhalsar med effektiv Python-kod.
3
Ökad effektivitet
Det här kapitlet behandlar mer avancerade tips och tricks för effektivitet. Du lär dig några användbara inbyggda moduler för effektiv kod och övar på mängdteori. Därefter går du igenom loopmönster i Python och hur du kan göra dem mer effektiva.
4
Grundläggande pandas-optimeringar
Det här kapitlet ger en kort introduktion till hur du arbetar effektivt med pandas DataFrames. Du lär dig de olika sätten att iterera över en DataFrame och hur du effektivt tillämpar funktioner på data som lagrats i en DataFrame.
Att skriva effektiv Python-kod
Kurs
slutförd
