Скачать [Stepik] Основы Python для анализа данных [Алексей Андросов]

Kail · 26.07.2026

Курс создан специально для тех, кто только начинает знакомство с Python. Мы всё разберём простым и понятным языком, без сложных терминов и лишней академической теории. Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.

Этот курс создан специально для тех, кто начинает знакомство с Python и анализом данных. Мы разберем всё простым и понятным языком, без сложных терминов и лишней академической теории, с авторской поддержкой по всем материалам курса.

Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.

Перед покупкой рекомендую:

Ознакомиться с подробной презентацией курса
Изучить программу и объем материалов
Ознакомиться с дополнительной полезной информацией в репозитории по ссылке
Посетить Telegram-канал с ответами на возможные вопросы
Если остались вопросы — напишите мне лично в Telegram (пишите, не стесняйтесь).

Цель курса — получить фундаментальные знания и навыки работы с Python для анализа данных, что позволит достичь ваших целей:

Повысить конкурентоспособность на рынке труда
Сменить должность или место работы — начать карьеру в аналитике данных
Увеличить стоимость ваших услуг и улучшить условия труда как специалиста

Особенности курса:

Поддержка автора по всем материалам курса
Логичная структура: от основ синтаксиса до написания функций и обработки исключений
Подробные конспекты к каждой лекции
Более 280 тестовых заданий
Более 235 практических заданий
Задания на закрепление материала после каждой темы
Идеальный баланс теории и практики
Курс подходит как для начинающих, так и для тех, кто хочет систематизировать знания по Python
В конспектах представлен код из уроков и готовые решения задач
Программа разработана на основе анализа требований рынка и запросов студентов
Работа в Jupyter Notebook и Google Colab — доступно на Windows, macOS

Для кого этот курс:

Аналитиков данных
Бизнес-аналитиков
Маркетинговых аналитиков
Продуктовых аналитиков
Системных аналитиков
BI-аналитиков и BI-разработчиков
Разработчиков
Тестировщиков
Маркетологов
Project и Product менеджеров
Data Engineer и Data Scientist
Предпринимателей и руководителей подразделений
Студентов технических специальностей
Начинающих специалистов для старта карьеры в IT
Всех, кто хочет освоить Python с нуля

Начальные требования:

Базовые навыки работы с компьютером на уровне обычного пользователя

Как проходит обучение:

Виды материалов:

Видеолекции с объяснениями
Оформленные конспекты к урокам
Тестовые задания на закрепление материала
Интерактивные задачи для отработки навыков
Оформленные файлы и конспекты Google Colab

Рекомендации по изучению:

Повторяйте пройденные темы
Не пропускайте практические задания
Выполняйте все задания самостоятельно
Задавайте вопросы в комментариях курса
Делайте пометки и комментарии в материалах

Чему вы научитесь:

Устанавливать и настраивать Jupyter Notebook, разбираться в отличиях от Google Colab
Использовать Markdown для оформления кода, комментариев и структурирования записей
Понимать основы синтаксиса Python и следовать стилю PEP 8
Работать с переменными, целыми числами, числами с плавающей точкой и комплексными числами
Выполнять конвертацию типов данных
Использовать функции ввода-вывода input и print
Выполнять индексацию строк, срезы и применять строковые функции
Работать с логическим типом данных, логическими операторами и типом NoneType
Использовать основные структуры данных: списки (создание, методы, операции), кортежи, множества, словари
Импортировать модули и библиотеки
Выполнять базовую работу с файлами
Работать с датой и временем: модуль datetime, работа с датами, временем, временными промежутками
Применять условные операторы if, elif, else и тернарный оператор
Использовать циклы while и for, операторы continue, break, pass
Создавать списки с помощью List Comprehensions
Писать собственные функции, работать с параметрами и аргументами функций
Использовать *args и **kwargs для гибкой работы с аргументами
Обрабатывать исключения с помощью try и except
Применять map, filter, lambda-функции, reduce и lambda-сортировку
Решать практические задачи на закрепление каждой темы

Что вы получаете:

Навыки и знания по работе с Python: от основ синтаксиса до написания собственных функций и обработки исключений
Более 280 тестовых заданий для проверки теории
Более 235 интерактивных задач для отработки навыков
Пожизненный доступ к материалам и обновлениям курса
Изучение в своем темпе
Доступ к форуму решений
Помощь преподавателя по всем материалам курса
Оформленные файлы и конспекты Google Colab

Программа:

Введение в курс:

Презентация курса
Демо-доступ
Вступительное слово, ссылки на полезные материалы
Демо-доступ
Jupyter Notebook vs Google Colab
Демо-доступ
Установка и запуск Jupyter Notebook
Демо-доступ
Markdown: Основы синтаксиса
Демо-доступ
PEP: Руководство по стилю кода в Python
Демо-доступ

Введение в язык, переменные и базовые типы данных:

Переменные и целые числа
Демо-доступ
Практика по теме "Переменные и целые числа"
Демо-доступ
Числа с плавающей точкой, комплексные числа, конвертация типов
Практика по теме "Числа с плавающей точкой, комплексные числа"
Логический тип данных, логические операторы, NoneType
Практика по теме "Логический тип данных, логические операторы"

Строки и ввод-вывод:

Строки и функции ввода-вывода (input & print)
Демо-доступ
Практика по теме "Строки и функции ввода-вывода (input & print)"
Индексация строк и срезы
Демо-доступ
Практика по теме "Индексация строк и срезы"
Демо-доступ
Практика по теме "Индексация строк и срезы"
Строковые функции и методы (ч. 1)
Практика по теме "Строковые функции (ч. 1)"
Строковые функции и методы (ч. 2)
Практика по теме "Строковые функции (ч. 2)"

Упорядоченные коллекции данных:

Тип данных — "Список (ч. 1)"
Практика по теме "Списки (ч. 1)"
Тип данных — "Список (ч. 2)"
Практика по теме "Списки (ч. 2)"
Тип данных — "Кортеж"
Практика по теме "Кортежи"

Неупорядоченные коллекции данных:

Тип данных — "Множества"
Практика по теме "Множества"
Тип данных — "Словарь"
Практика по теме "Словарь"

Работа с модулями и дата/время:

Модули и библиотеки
Работа с датой и временем (ч. 1)
Работа с датой и временем (ч. 2)
Практика по теме "Работа с датой и временем"

Дополнительные типы данных:

Дополнительные типы данных
Практика по теме "Дополнительные типы данных"

Работа с файлами:

Базовая работа с файлами

Условия:

Условный оператор
Практика по теме "Условный оператор"
Тернарный оператор
Практика по теме "Тернарный оператор"

Циклы и управление итерациями:

Цикл while
Практика по теме "Цикл while"
Цикл for (ч. 1)
Практика по теме "Цикл for (ч. 1)"
Цикл for (ч. 2)
Практика по теме "Цикл for (ч. 2)"
Операторы continue, break и pass
Практика по теме "Операторы continue, break и pass"
Comprehensions
Практика по теме "Comprehensions"

Функции:

Методы и функции
Функции с параметрами
Практика по теме "Функции с параметрами"
Работа с параметрами функций: *args и **kwargs
Обработка исключений: try и except

Функциональное программирование: Map, Filter, Reduce, Lambda:

Map, Filter и Lambda-функции
Практика по теме "Map, Filter и Lambda-функции"
Функция apply
Условные выражения, Reduce и Lambda-сортировка
Практика по теме "Усл. выражения, Reduce и сортировка с Lambda"
Python: полезные материалы

Feedback:

Завершение и итоги курса
FeedBack
Бонус: Единый конспект лекций

Автор Алексей Андросов

Разрабатываю структурированные и доступные онлайн-курсы по аналитике данных.
Образование: НИУ ВШЭ, бизнес-информатика.
Опыт: бизнес-аналитик, аналитик данных.