📌Python Data Science Bootcamp

Держите мощное практическое видео по работе с Pandas, Matplotlib, NumPy, Seaborn, Scikit-learn, Plotly

Ключевые моменты в видео:
01:28:00 — Pandas
02:54:02 — NumPy
03:05:26 — Визуализация данных с помощью Matplotlib
03:26:22 — Визуализация данных с помощью Seaborn
04:39:40 — Анализ данных
05:03:12 — Элементы ML, использование Scikit-learn

📎 Видео

@pythonl

🖥 400 вопросов с ответами, которые должен знать Python-разработчик

Держите наиполезнейшую подборку, тут есть и теоретические вопросы вроде «Что такое геттеры и сеттеры» и очень практические вида «Как отправить email с помощью SMTP».
Самое то, чтобы освежить какие-то темы и структурировать знания
Enjoy)

📎 Ссылка

@pythonl

🖥 Малоизвестные библиотеки Python для анализа данных, которые сделают вашу жизнь проще

⏩Sketch использует алгоритмы машинного обучения для понимания контекста пользовательских данных и предоставляет соответствующие предложения по коду. Также Sketch может автоматизировать повторяющиеся задачи, находить ошибки и предлагать исправления, анализировать кодовую базу и предлагать предложения по оптимизации.

⏩MLxtend можно использовать как основной инструмент для задач машинного обучения или в качестве дополнения и вспомогательного инструмента к другим более известным библиотекам по анализу данных.
MLxtend включает такие модули как классификатор, кластеризатор, методы оценки, извлечение признаков,предварительная обработка, методы визуализации и т.д
Модуль классификации MLxtend предоставляет различные алгоритмы классификации и регрессии, включая многослойные персептроны, классификаторы, стекирования, логистическую регрессию и др.

⏩SciencePlots — это библиотека, которая предоставляет стили для библиотеки Matplotlib, чтобы получить профессиональные графики для презентаций, исследовательских работ и т.д.

📎 Читать подробнее

@pythonl

🖥 Невероятно полезный сборник лекций по Python 🔥

Особенно актуально будет для тех, кто занимается научными вычислениями
Темы разобраны очень подробно, даже фундаментально, я бы сказал
Охват тем вы видите ниже

⏩Лекция №1
О python • Установка python • Python в качестве калькулятора • Скрипты python • Блокноты. Jupyter Notebooks • Основные типы объектов: числа и списки • Операторы потока управления

⏩Лекция №2
Компилируемость vs Интерпретируемость • Динамическая типизация • Аннотация типов • Изменяемые и неизменяемый типы объектов • Создание и удаление объектов. Сборщик мусора • О коллекциях в python • Последовательности: списки, кортежи и строки

⏩Лекция №3
Сторонние библиотеки и пакетные менеджеры • NumPy • Векторизация • Срезы • Умножение векторов • Логические операции • Векторизация на примере вычисления статистик • Случайные числа

⏩Лекция №4
Словари. dict • Функции • Взаимодействие с файловой системой • Работа с файлами. Сериализация: json и pickle • Построение графиков и визуализация данных • Matplotlib • Настройка деталей графиков • Анимация в matplotlib

⏩Лекция №5
Таблицы • Библиотека pandas • Столбцы в pandas • Таблицы pandas • Оперирование таблицами pandas • Дата и время • Анализ данных

⏩Лекция №6
Основы списковых включений • Итераторы • Генераторы • Декораторы

⏩Лекция №7
SciPy • Линейная алгебра • Дифференцирование и интегрирование функций • Поиск минимума • Решение нелинейных уравнений • Интерполяция и аппроксимация • Решение ОДУ • Обработка сигналов

⏩Лекция №8
Пользовательские классы • Наследование • Полиморфизм в python • Перегрузка специальных методов и операторов

⏩Лекция №9
Исключения • Пользовательские исключения • Стратегии контроля ошибок

⏩Лекция №10
Графический пользовательский интерфейс • PySide. Основы • События • Слоты и сигналы • Виджеты и макеты • Кнопки • Вывод данных • Ввод данных • Диалоговые окна

📎 Ссылка

@pythonl