700+ courses, half price
รายละเอียดคอร์ส
การสัมภาษณ์งานด้านเขียนโค้ดนั้นไม่ใช่เรื่องง่าย คำถามอาจครอบคลุมตั้งแต่ความรู้เกี่ยวกับภาษาโปรแกรมมิง ไปจนถึงการแก้โจทย์ปัญหาเพื่อทดสอบกระบวนการคิด และหากสมัครในตำแหน่ง Data Scientist ก็มีโอกาสสูงที่จะถูกถามเกี่ยวกับเครื่องมือที่ใช้งานร่วมกับภาษานั้น ๆ ไม่ว่าจะเป็นกรณีใด การเตรียมตัวให้พร้อมถือเป็นสิ่งสำคัญมาก คอร์สนี้เหมาะทั้งสำหรับผู้ที่เพิ่งเริ่มต้นเส้นทางสู่การเป็น Data Scientist มืออาชีพ และสำหรับผู้ที่ต้องการทบทวนความรู้ก่อนสมัครงานใหม่ เราจะครอบคลุมทั้งหัวข้อพื้นฐานและขั้นสูง เพื่อเตรียมความพร้อมสำหรับการสัมภาษณ์งานเขียนโค้ดด้วย Python เนื่องจากคอร์สนี้ไม่ได้เรียนแบบทีละขั้นตอนทั่วไป บางแบบฝึกหัดอาจมีความซับซ้อนพอสมควร แต่การสัมภาษณ์งานจริงก็ไม่ได้ง่ายเช่นกัน ใช่ไหม?
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงร่างคอร์ส
1
โครงสร้างข้อมูลใน Python และการจัดการสตริง
ในบทนี้ เราจะทบทวนความรู้เกี่ยวกับโครงสร้างข้อมูลหลักที่ใช้ใน Python ครอบคลุมการทำงานกับ list, tuple, set และ dictionary รวมถึงการจัดการสตริง และการเขียน regular expression เพื่อดึงลำดับอักขระที่ต้องการจากข้อความ
- โครงสร้างข้อมูลหลักใน Python มีอะไรบ้าง?50 XP
- เมธอดของลิสต์100 XP
- การดำเนินการบน set50 XP
- การจัดเก็บข้อมูลในดิกชันนารี100 XP
- วิธีทั่วไปในการจัดการ String มีอะไรบ้าง?50 XP
- การอ้างอิงดัชนีและการต่อสตริง100 XP
- การดำเนินการกับ String100 XP
- แก้ไขข้อผิดพลาดของ string ใน DataFrame100 XP
- วิธีเขียน Regular Expressions ใน Python50 XP
- เขียน Regular Expression100 XP
- ค้นหา pattern ที่ถูกต้อง50 XP
- การแบ่งสตริงด้วย Pattern100 XP
2
อ็อบเจกต์ที่ iterable และตัวแทนของมัน
บทนี้มุ่งเน้นที่อ็อบเจกต์ประเภท iterable เราจะทบทวนนิยามของ iterable object และวิธีระบุว่าอ็อบเจกต์ใดเป็น iterable จากนั้นจะครอบคลุม list comprehension ซึ่งเป็นฟีเจอร์พิเศษของ Python สำหรับการสร้าง list ต่อมาจะทบทวนวิธีรวม iterable หลายรายการเข้าด้วยกัน และสุดท้ายจะอธิบายวิธีสร้าง iterable object แบบกำหนดเองด้วย generator
3
ฟังก์ชันและ lambda expression
บทนี้จะเน้นแนวคิด functional programming ใน Python เริ่มจากการกำหนดฟังก์ชันที่รับจำนวนอาร์กิวเมนต์แบบ positional และ keyword ได้อย่างยืดหยุ่น จากนั้นจะครอบคลุม lambda function และกรณีที่เหมาะสมในการนำไปใช้ โดยเฉพาะการใช้งานร่วมกับ `map()`, `filter()` และ `reduce()` และสุดท้ายจะทบทวนแนวคิด recursion พร้อมวิธีนำไปใช้อย่างถูกต้อง
4
Python สำหรับการคำนวณทางวิทยาศาสตร์
บทนี้ครอบคลุมหัวข้อด้านการคำนวณทางวิทยาศาสตร์ใน Python เราจะเริ่มด้วยความแตกต่างระหว่าง NumPy array กับ list และอธิบายว่าเหตุใด NumPy array จึงเหมาะกับการคำนวณที่ซับซ้อนกว่า จากนั้นจะครอบคลุมเทคนิคที่มีประโยชน์สำหรับการจัดการ pandas DataFrame และสุดท้ายจะทำการแสดงผลข้อมูลด้วย scatterplot, histogram และ boxplot
ฝึกทำโจทย์สัมภาษณ์งานเขียนโค้ดด้วย Python
เรียนคอร์สจบแล้ว
