Курсы Python разработчик

Перейдіть на новий рівень аналізу даних - перетворіть формули, довгі таблиці, звіти вручну на гнучкі візуалізації, точні прогнози та зрозумілі презентації завдяки Python.

Програма курсу

Знайомство з Python і середовищем роботи

• Дізнаєтеся, що таке Python і як його застосовують в аналітиці
• Навчитеся встановлювати Python і налаштовувати середовище для роботи
• Зрозумієте базовий синтаксис, типи даних та оператори
• Розберете принципи гарного стилю коду

Основи програмування на Python

• Розберете основні типи алгоритмів: послідовність, розгалуження, цикли
• Навчитеся застосовувати умовні оператори if, elif, else
• Попрактикуєтесь у створенні циклів for і while для виконання повторюваних дій

Базові можливості Python

• Навчитеся створювати власні функції, передавати їм аргументи та викликати їх у коді
• Зрозумієте, як працюють базові структури даних: list, tuple, dict, set
• Дізнаєтесь, як встановити бібліотеки через pip або conda
• Попрацюєте з модулями collections та itertools для роботи з наборами даних

Основи об'єктно-орієнтованого програмування на Python

• Дізнаєтеся, що таке класи, об'єкти й методи та зрозумієте принципи об'єктно-орієнтованого програмування (ООП)
• Навчитеся використовувати конструктори, атрибути й інкапсуляцію
• Розберете механіку наслідування і роботу з абстрактними класами

NumPy для роботи з числовими даними

• Розберете значення бібліотеки NumPy у числовому аналізі
• Навчитеся створювати одномірні й багатовимірні масиви
• Набудете досвіду арифметичних операцій і фільтрації масивів
• Опануєте логічну фільтрацію та broadcasting для оптимізації обчислень

Основи Pandas для обробки даних

• Розглянете бібліотеку Pandas і зрозумієте, для чого вона потрібна в аналітиці
• Навчитеся створювати Series і DataFrame, імпортувати CSV/Excel
• Опануєте базову обробку даних: фільтрацію, сортування, агрегацію та об'єднання таблиць
• Зрозумієте, як трансформувати дані з допомогою groupby(), map(), np.select()

Розумна обробка даних у Pandas: дати, ранги, сесії

• Навчитесь ефективно збирати дані з .loc[], .iloc[] у Pandas та працювати з індексацією в NumPy
• Дізнаєтеся, як обробляти часові дані з допомогою .dt, to_datetime()
• Розберете метод merge_asof() для приєднання за часом
• Застосуєте ковзні обчислення, ранжування та сесійну сегментацію для глибокого аналізу даних

Основи візуалізації з Matplotlib та Seaborn

• Дізнаєтеся про ключові принципи побудови графіків, розглянете графіки в Pandas, а також спеціальні бібліотеки для візуалізації: Matplotlib та Seaborn
• Навчитеся створювати різні типи візуалізацій: від простих лінійних і стовпчастих графіків та гістограми в Matplotlib до heatmap, boxplot, scatterplot у Seaborn
• Набудете навичок роботи зі стилями, кольорами й підписами, щоб графіки були інформативними та зрозумілими для аналітичних презентацій

Інтерактивна візуалізація з Plotly: дашборди й реальні кейси

• Зрозумієте, для чого потрібна інтерактивна візуалізація
• Розглянете бібліотеку Plotly
• Навчитеся створювати графіки за допомогою Plotly Express
• Розглянете базову структуру дашборда в Dash
• Навчитеся візуалізувати бізнес-дані - створювати інтерактивні графіки для продажів, клієнтів, динаміки у вигляді інтерактивних елементів з базовим управлінням через layout і callback-функції

Scikit-learn. Статистика в Python: гіпотези, кореляції, регресія

• Дізнаєтесь, як застосовувати описову статистику, перевірку гіпотез і кореляційний аналіз для оцінювання бізнес-даних
• Вивчите два підходи до моделювання: scikit-learn (для швидкого створення моделей) та statsmodels (для детального статистичного аналізу лінійної регресії)
• Навчитеся виявляти статистично значущі відмінності між групами даних і робити обґрунтовані висновки для ухвалення бізнес-рішень

Машинне навчання для аналітика: прогнози, моделі, кейси

• З'ясуєте, як працює прогнозний аналіз і кросвалідація: інструменти, що допомагають перевіряти якість моделей і не вводити себе в оману
• Зможете будувати базові моделі машинного навчання: класифікаційні (наприклад, передбачення відтоку клієнтів) та регресійні (наприклад, прогноз виручки)
• Зрозумієте, коли та як обирати між класифікацією і регресією у бізнес-завданнях
• Дізнаєтесь, як оцінювати точність моделей за допомогою метрик MAE, R², accuracy
• Навчитеся інтерпретувати результати моделі та визначати ключові фактори, що впливають на поведінку клієнтів або фінансові показники

Вебскрапінг з Beautifulsoup

• Дізнаєтесь, як працюють HTTP-запити та DOM-структура
• Навчитеся завантажувати HTML-документи через requests
• Попрацюєте з BeautifulSoup для парсингу даних і витягування потрібних елементів
• З'ясуєте, як зберегти дані у CSV для подальшого аналізу

Парсинг даних і робота з API: Scrapy, Requests

• Дізнаєтесь, як працює фреймворк Scrapy: його структура, пайплайни та переваги для збору вебданих
• Зрозумієте, що таке API, як знаходити документацію та витягувати з нього потрібні дані
• Попрактикуєтесь у запитах до REST API за допомогою бібліотеки requests
• Порівняєте підходи: API vs скрапінг

Робота з базами даних: від SQLite до Postgresql

• Навчитеся працювати з базами даних, зберігати й обробляти великі обсяги даних
• Створите локальну базу даних в SQLite, зможете робити таблиці та виконувати CRUD-операції
• Опануєте SQLAlchemy для створення ORM-моделей, фільтрації та оновлення даних
• Зрозумієте, як під'єднуватися до PostgreSQL через psycopg2 та як завантажувати дані з SQL-запитів у Pandas і формувати звіти для аналітики й презентацій

Автоматизація збору та обробки даних

• Навчитеся писати скрипти для регулярного збору, очищення й трансформації даних
• Вивчите основи логування, обробки помилок, таймаутів
• Дізнаєтесь, як обробити JSON-відповідь з API, витягнути ключові показники та зберегти їх у CSV для подальшої обробки
• Автоматизуєте обробку помилок, логування та створення щоденного аналітичного звіту
• Дізнаєтесь, як працювати із хмарними сервісами (Google Drive, AWS S3)

Презентація фінальних проєктів

• У фінальному проєкті ви оберете один із запропонованих реальних датасетів і пройдете повний цикл роботи з даними в Python: від завантаження й обробки до побудови візуалізацій та формування висновків
• Презентуєте власний проєкт лектору та колегам

Особливості курсу

• Допомога ментора
• Практика
• Курсовий проєкт
• Зручний формат
• Індивідуальний фідбек
• Доступ назавжди
• Сертифікат про проходження курсу

Викладачі курсу

Анна Шепелєва - Senior Data Analyst at Brainstack

Поглиблений курс по пайтону, розробка веб додатків, робота з серверами, робота з API та фреймворками.

Програма курсу

Django

• Загальна інформація
• Вступ до Django REST Framework
• Серіалізація даних
• Класи представлень DRF
• Представлення DRF
• Дозволи DRF
• Вкладені серіалізатори
• Класи фільтрів DRF
• Пагінація DRF
• Throttling DRF
• Автоматизація завдань DRF
• Розширення DRF

Особливості курсу

• Зручна LMS система
• Безстроковий доступ до лекцій та матеріалів
• Чат з менторами
• Перевірка завдань
• Живі консультації

Курс навчить розв'язувати основні задачі Data Science за допомогою поглибленої роботи з Python та його бібліотеками. В результаті ви зможете будувати просунуті візуалізації, знаходити взаємозв'язки в даних, робити прогнози та навчати моделі.

Програма курсу

Задачі Data Science. Interactive Python і знайомство з NumPy

• Дізнаєтеся, чим машинне навчання відрізняється від класичного програмування, та ознайомитеся з видами задач машинного навчання
• Опануєте інструменти для інтерактивної роботи з Python [IPython, Jupyter Notebook та Google Colaboratory]
• Познайомитеся з бібліотекою NumPy
• Навчитеся працювати з типом даних Array: ініціалізація, характеристики, копіювання, типи даних, reshape, фільтрація, сортування
• Вивчите базові математичні функції Array
• Навчитеся створювати масиви та виконувати базові операції над ними в бібліотеці NumPy

NumPy. Лінійна алгебра і статистика

• Отримаєте коротке введення до лінійної алгебри та розберете на прикладах, як ці математичні функції працюють у бібліотеці NumPy
• Навчитеся використовувати математичні та статистичні функції в NumPy
• Навчитеся вводити та виводити NumPy-матриці та масиви різної величини

Знайомство з Pandas

• Дізнаєтеся, навіщо потрібна бібліотека Pandas і що вона дозволяє робити з даними
• Ознайомитеся зі структурами даних у Pandas (Series та Dataframe) і навчитеся проводити базові операції над ними
• Навчитеся створювати, імпортувати та експортувати табличні дані в Pandas Dataframe
• Навчитеся маніпулювати табличними даними
• Дізнаєтесь, як швидко та зручно працювати з табличними даними за допомогою Pandas

Візуалізація даних

• Ознайомитеся з бібліотекою Matplotlib
• Навчитеся будувати базові візуалізації в Python за допомогою Matplotlib
• Дізнаєтеся про три способи візуалізувати дані в Pandas Data Frame
• Навчитеся будувати просунуті візуалізації: heatmap, box plot, pair plot, cumulative plot
• Навчитеся будувати базові інтерактивні візуалізації

Exploratory Data Analysis (EDA) та очистка даних

• Дізнаєтеся, що таке Exploratory Data Analysis (EDA) та його основні компоненти
• Навчитеся швидко розуміти структуру набору даних будь-якого розміру
• Дізнаєтеся, що робити з пропущеними даними та дублікатами
• Навчитеся проводити EDA за допомогою Pandas, SweetViz, Pandas Profiling

Пошук та видалення пропущених значень

• Дізнаєтеся, що таке пропущені значення та чому їх треба опрацьовувати
• Ознайомитеся з типами пропущених значень (випадкові, наслідки системної помилки тощо)
• Навчитеся виявляти пропущені значення у вибірці даних
• Ознайомитеся з різними способами заповнення пропущених значень і навчитеся використовувати кожен із них

Задача прогнозування. Лінійна регресія. Градієнтний спуск

• Розберете модель простої лінійної регресії та її математичну основу
• Ознайомитеся з методом найменших квадратів і методом градієнтного спуску
• Навчитеся тренувати модель лінійної регресії за допомогою бібліотеки scikit-learn
• Дізнаєтесь, як оцінювати якість моделі лінійної регресії, та навчитеся працювати з метриками MSE і RMSE

Інші типи регресій

• Розберете модель багатовимірної лінійної регресії та навчитеся будувати її за допомогою scikit-learn
• Навчитеся інтерпретувати коефіцієнти лінійної регресії
• Розберете модель поліноміальної регресії
• Дізнаєтесь, як оцінювати якість моделі за допомогою метрик MAE, MAPE, R-squared
• Розберете моделі гребінцевої регресії, регресії за методом LASSO та регресії "еластична мережа"

Вибір найкращої моделі. Техніки валідації. Пошук гіперпараметрів

• Дізнаєтеся, навіщо розбивати вибірку на train/validation/test-вибірки
• Зрозумієте, в чому відмінність validation- і test-вибірок
• Дізнаєтеся, що таке гіперпараметри моделі та в чому їхня відмінність від параметрів
• Ознайомитеся з методами підбору гіперпараметрів і навчитеся викликати їх у scikit-learn
• Дізнаєтеся, що таке перехресна валідація та як використовувати її в sklearn
• Зрозумієте, що таке overfit i underfit (і чому це проблема)
• Навчитеся застосовувати регуляризацію в моделях регресії

Задача класифікації. Логістична регресія

• Дізнаєтесь, як навчати модель логістичної регресії для класифікації даних і оцінювати її якість
• Отримаєте алгоритм дій у випадку мультикласової класифікації та зрозумієте, як оцінити якість таких моделей

Модель "дерева рішень"

• Ознайомитеся з моделлю "дерева рішень" і дізнаєтеся, в чому її відмінність від лінійних моделей
• Навчитеся будувати модель "дерева рішень" у scikit-learn

Ансамблі моделей

• Зрозумієте, як працюють ансамблі моделей і в чому їхні переваги
• Розберете базові (Max Voting, Averaging, Weighted Averaging) та просунуті (Stacking, Bagging, Boosting) техніки побудови ансамблів
• Навчитеся будувати різні типи ансамблів моделей
• Дізнаєтеся, який спосіб ансамблювання потрібно використати у випадку high bias, а який - у випадку high variance

Алгоритми бустингу: адаптивний та градієнтний бустинг. Бібліотеки XGBoost

• Вивчите принципи роботи адаптивного і градієнтного бустингів
• Ознайомитеся з функціями бібліотеки XGBoost, розберете її особливості та переваги

Кластерний аналіз даних

• Розберете модель кластеризації як приклад задачі навчання без учителя
• Розберете моделі кластеризації K-Means, DBSCAN, Agglomerative Clustering, а також їхні особливості побудови та принципи роботи на практиці
• Навчитеся виявляти групи схожих екземплярів даних за допомогою кластеризації

Вибір ознак. Зменшення розмірності даних

• Навчитеся зменшувати розмірність набору даних із великою кількістю ознак
• Навчитеся обирати фічі так, щоб залишити лише найбільш значущі для моделі
• Дізнаєтесь, як працюють і чим відрізняються методи зменшення розмірності SVD, PCA та LDA

Статистичний аналіз даних

• Ознайомитеся з бібліотекою SciPy
• Навчитеся генерувати випадкові величини різних імовірнісних розподілів, проводити тести нормальності та порівнювати розподіли двох випадкових величин
• Вивчите основи перевірки статистичних гіпотез: помилки I та II роду, p-value
• Дізнаєтесь, як проводити А/В-тестування та перевіряти гіпотези

Співбесіди й вимоги до них. Розповсюджені помилки у домашніх завданнях

Особливості курсу

• Заняття щопонеділка та щочетверга
• Інструменти для роботи
• Сильний контент
• Практика
• Кар'єра: розширення стеку навичок

Викладачі курсу

• Олександра Кардаш - Senior Software Engineer at Google
• Ірина Безкровна - Technical Data Lead at Xometry

Опануєте модуль asyncio в Python і навчитеся створювати вебсервіси із фреймворком FastAPI та бібліотекою SQLAlchemy. За підсумками курсу створите набір сервісів для роботи з даними, який додасте в портфоліо, та зможете імплементувати асинхронні рішення у свою роботу.

Програма курсу

Знайомство з асинхронним програмуванням

• Розберете відмінності між асинхронним і синхронним підходами в програмуванні
• Дізнаєтеся, коли можна використовувати асинхронний підхід
• Зрозумієте, що таке coroutine та subroutine, thread, process

Знайомство з Asyncio

• Ознайомитеся з основними примітивами й об’єктами asyncio, розберете способи їх використання
• Дізнаєтеся, що таке awaitable-об’єкти

Асинхронні застосунки та Event Loop

• Зрозумієте, як впливають блокувальні та неблокувальні операції на роботу мережевих застосунків
• Навчитеся використовувати asyncio для написання мережевого сервісу
• Розберетеся, як Event Loop застосовує низькорівневий функціонал системи

Розширені можливості асинхронного програмування

• Зрозумієте, що таке race conditions і як це може вплинути на роботу програм
• Дізнаєтеся, які примітиви синхронізації існують для asyncio
• Навчитеся тестувати асинхронний код, використовуючи pytest

Воркшоп. Робота з CPU-BOUND задачами з синхронним підходом

• Розумітимете, як асинхронні підходи можна використовувати для обробки даних
• Навчитеся застосовувати MapReduce-підхід для обробки даних
• Ознайомитеся з підходом та інструментами для аналізу продуктивності програм

Асинхронний доступ до бази даних

• Дізнаєтеся, як запустити PostgreSQL у докер-контейнери
• Розберете відмінність між асинхронним і синхронним драйвером для бази даних
• Розглянете, як підключити й робити запити з використанням asyncpg, SQLAlchemy, Alembic
• Зрозумієте переваги застосування асинхронного підходу для зберігання даних

Розробка асинхронних HTTP-сервісів

• Розберете відмінності між протоколами WSGI & ASGI
• Зрозумієте, в яких випадках ASGI буде швидшим

FastAPI та асинхронне програмування

• Дізнаєтеся, як написати web-сервіс із використанням FastAPI + SQLAlchemy
• Ознайомитеся з функціоналом і можливостями FastAPI

Асинхронні комунікації між сервісами

• Зрозумієте, які синхронні й асинхронні комунікації використовують під час побудови мікросервісної архітектури
• Дізнаєтеся, коли застосовувати той чи інший підхід
• Розумітимете відмінність між чергами й потоками

Q&A-сесія з лектором

Розберете свої запитання щодо курсового проєкту на Live-сесії з лектором.

Підготовка до технічного інтерв'ю

Знатимете, які запитання ставлять рекрутери, та підготуєтеся до співбесіди.

Захист курсових робіт

Презентуєте курсовий проєкт колегам.

Особливості курсу

• 12 онлайн-занять
• Допомога ментора
• Сертифікат про проходження курсу
• Кейс в портфоліо
• Розробка вебсервісів

Викладачі курсу

Сергій Руських - Lead Python Software Engineer at SoftServe

Курс, який навчить працювати з базами даних і серверами, створювати повноцінні вебзастосунки з нуля та підтримувати наявні проєкти. Ви опануєте популярні фреймворки Flask та Django, щоби легко та швидко будувати бекенд для застосунків.

Програма курсу

Вступ до веброзробки на Python

• Ознайомитеся зі структурою курсу
• Актуалізуєте основи Python
• Систематизуєте знання

Налаштування середовища

• Підготуєтеся до виконання завдань на курсі
• Оглянете функціонал GitHub
• Встановите необхідні застосунки

Архітектура вебзастосунків

• Зрозумієте, що таке IP та MAC
• Дізнаєтеся, що таке DNS
• Знатимете, як дивитися консоль браузера

Flask: огляд і запуск

• Зрозумієте, як працювати з фреймворком Flask
• Зможете написати простий вебзастосунок на Flask

Робота з Docker

• Зрозумієте відмінність між віртуалізацією та контейнеризацією
• Дізнаєтеся, що таке docker images, docker containers, docker-compose
• Зможете запустити застосунок у Docker

Основи верстки

• Зрозумієте основи верстки вебсайтів
• Зможете робити базову верстку вебсайту

Бонусний блок. Frontend для веброзробки

• Дізнаєтеся, як працює клієнтська частина вебзастосунку
• Вивчите основи HTML, CSS, JavaScript для подальшої роботи на курсі

Вступ до баз даних

• Зрозумієте, що таке бази даних та їхні типи
• Зможете запускати бази даних у Docker

SQL: основи та запити

• Зможете запускати бази даних у Docker
• Зможете створювати SQL-запити

Робота з SQLAlchemy

• Дізнаєтеся, що таке SQLAlchemy та як її використовувати
• Зможете працювати з базою за допомогою Flask

Вступ до Django

• Дізнаєтеся основи фреймворку Django
• Вивчите основні CLI-команди в Django
• Зможете створювати Django app

Django ORM. Part 1

• Дізнаєтесь, як налаштувати підключення до бази даних у Django
• Навчитеся створювати моделі в Django
• Зрозумієте, що таке міграції та як із ними працювати

Робота в Django. Authorisation

Дізнаєтеся, як працює авторизація та автентифікація.

Django ORM. Part 2

• Зможете конфігурувати моделі, налаштовувати їхні додаткові параметри
• Навчитеся створювати звʼязки між таблицями за допомогою Django
• Дізнаєтеся, як створювати індекси в моделях
• З’ясуєте, що таке міграції та як із ними працювати
• Вивчите основні CLI-команди в Django

Робота в Django. Admin

• Дізнаєтеся, що таке Django Admin Panel та як її використовувати
• Навчитеся працювати з Views у Django
• Дізнаєтеся, як налаштовувати URLs

Робота в Django. Templates and Forms

• Дізнаєтеся, як працювати з темплейтами в Django
• Навчитеся створювати й використовувати форми в Django
• Дізнаєтеся, що таке middleware, як його використовувати й створювати

Робота в Django. Filters Tables

• Дізнаєтеся, як створювати й працювати з фільтрами в Django
• Навчитеся працювати з django-tables
• Дізнаєтеся, що таке CORS і які налаштування для цього існують у Django

Асинхронні задачі в Django

• Дізнаєтеся, що таке Celery та як його використовувати для асинхронних завдань
• Зрозумієте і навчитеся створювати асинхронні задачі
• Навчитеся надсилати email з Django

Вступ до Rest

• Зрозумієте принцип роботи сучасних застосунків
• Дізнаєтеся, що таке RESTful API
• З'ясуєте, як встановити DRF

Django Rest (DRF). Part 1

• Зрозумієте, що таке RESTful API
• Дізнаєтеся, як встановити DRF
• Зрозумієте основні відмінності в роботі з "чистим" Django і DRF
• Дізнаєтесь і зрозумієте, що таке серіалізація, як працюють Serializers у DRF
• З’ясуєте, які є види парсерів та як їх використовувати

Django Rest (DRF). Part 2

• Зрозумієте, що таке View і ViewSet, зможете створювати Views та ViewSets для різних моделей
• Дізнаєтеся, як налаштувати filtering у DRF
• Зможете налаштувати pagination, Renderers та Throttling

DRF + Vue.js

• Дізнаєтеся, що таке Vue.JS, і зможете його налаштувати
• Зможете розв'язувати прості задачі з Django + Vue.JS

Тестування Django

• Дізнаєтеся, які є види тестування коду та в яких випадках їх використовують
• Зможете писати автотести до коду

Web server gateway interface (WSGI)

• Дізнаєтеся, що таке WSGI, NGINX та unicorn, а також як їх налаштовувати
• Зможете запустити Django-застосунок через NGINX + unicorn

CI/CD: поняття і налаштування

• Ознайомитеся з Codestyle та PEP8 для створення вебзастосунків
• Дізнаєтеся, що таке CI/CD та як його використовувати

Розгортання додатків на хмарних сервісах на прикладі AWS (Amazon)

• Дізнаєтеся, що таке Cloud Computing
• Зможете використовувати базові сервіси Amazon
• Зможете деплоїти на Amazon

Встановлення безпечного з'єднання за допомогою SSL

• Дізнаєтеся, що таке HTTS
• Навчитеся налаштовувати DNS та HHTP

Асинхронне програмування

• Зрозумієте основи асинхронного програмування
• Зможете писати асинхронний код

FastAPI

• Дізнаєтеся про основи роботи з FastAPI
• Зможете використовувати FastAPI для простих задач
• Зрозумієте, що таке Dependency injection
• Навчитеся використовувати FastAPI для простих задач

FastAPI. Тестування

• Дізнаєтеся про особливості тестування на Flask
• Зможете тестувати FastAPI

Додаткове заняття на обрану тему

Поглибите знання в самостійно обраній темі:

• Telegram Bot
• ChatGPT
• Networking

Wrap UP. Q&A з лектором

Повторите й закріпите теми курсу.

Імітація технічної співбесіди

• Дізнаєтеся, як проходить технічна співбесіда
• Зможете впевненіше почуватися під час пошуку роботи

Захист курсових робіт (Фінальних проєктів)

Особливості курсу

• 34 заняття
• База знань
• Підвищення скілів
• Кар'єра
• Інструменти розробника
• Проєкт в портфоліо
• Комплексний підхід

Викладачі курсу

Ігор Гарагатий - Software Engineer у міжнародній FinTech-компанії

Комплексний курс, який навчить писати чистий і робочий код на Python, навіть якщо за плечима немає технічного бекграунду та досвіду в ІТ. Ви опануєте принципи ООП, працюватимете з базами даних і серверами, зможете створювати повноцінні вебзастосунки з нуля та підтримувати наявні проєкти.

Програма курсу

Part 1 - Python Developer

Вступ до програмування

Теми:

• Основи програмування та знайомство з Python
• Основи роботи із системою контролю версій Git

Результати:

• Знаєте особливості мови Python і розумієте, які завдання програмування можна розв'язувати з її допомогою
• Маєте власний обліковий запис у GitHub і розумієте, як він працює
• Вмієте працювати з терміналом і використовувати git-команди

Python Core

Теми:

• Типи даних та операції з ними. Part 1
• Типи даних та операції з ними. Part 2
• Цикли
• Функції. Part 1
• Функції. Part 2
• Колекції та структури даних. Part 1
• Колекції та структури даних. Part 2
• Ітератори та генератори
• Помилки та винятки
• Декоратори та менеджери контексту
• Файли
• Бібліотеки та фреймворки
• Регулярні вирази (RegEx) в Python
• Багатопотокове програмування

Результати:

• Знаєте базовий синтаксис Python
• Маєте перші написані власноруч програми
• Вмієте працювати з функціями та циклами
• Знайомі з просунутими концепціями функціонального програмування
• Вмієте працювати зі списками, словниками, кортежами та множинами
• Знаєте, як оптимізувати дані коду за допомогою структур даних
• Пишите програми з застосуванням рекурсії
• Створюєте власні декоратори та менеджери контексту
• Розумієте різницю між бібліотеками та фреймворками Python і знаєте, як підібрати потрібний інструмент під задачу

Об'єктно-орієнтоване програмування

Теми:

• Основні парадигми програмування
• ООП: поліморфізм, інкапсуляція, наслідування
• ООП: на прикладах у Python: класи та робота з ними. Part 1
• ООП: на прикладах у Python: класи та робота з ними. Part 2

Результати:

• Розбираєтеся в стилях і підходах до програмування
• Розумієте особливості роботи Python як об'єктно-орієнтованої мови програмування
• Вмієте працювати з класами та об'єктами

Тестування коду

Теми:

• Тестування коду перед запуском
• Q&A-сесія (підсумок базового блоку)

Результати:

• Дізнались про різні способи тестування коду перед запуском: unit-тести, інтеграційні тести, end-to-end тести
• Дізнались, як працювати з FactoryBoy та Faker для спрощення роботи під час написання тестів та генерування рандомних даних
• Навчились писати unit-тести за допомогою бібліотеки PyTest

Frontend-розробка

Теми:

• Основи Frontend
• Вступ до розробки програмного забезпечення
• Введення в HTML
• HTML. Робота з таблицями
• HTML. Робота з формами
• Вступ до CSS
• CSS фон, рамки, відступи, розмір
• Основи JavaScript. Перша програма, типи даних, базові оператори
• Робота з функціями в JS
• JS. Робота з DOM. Комунікація з елементами на сторінці
• Браузерні події (events). Комунікація користувача зі скриптом

Результати:

• ознайомлені з основами frontend-розробки
• знаєте, як створювати користувацькі інтерфейси

Part 2 - Python for Web Development (Flask та Django)

Бази даних

Теми:

• Знайомство з базами даних
• Створення бази даних
• Робота з базами даних. Part 1
• Робота з базами даних. Part 2

Результати:

• Знаєте, що таке база даних та які вони бувають
• Вмієте підключати бази даних за допомогою Python
• Познайомились із принципами роботи з SQL базами даних
• Навчились створювати та працювати з базами даних і таблицями за допомогою SQLite

Мережеве програмування

Теми:

• Основи веброзробки
• Знайомство з HTML/CSS/JS
• Базова робота з HTML/CSS/JS
• Взаємодія з APІ

Результати:

• Розумієте різницю між фронтендом і бекендом
• Знаєте, що таке мережеве програмування та як воно влаштоване
• Вмієте працювати з HTML і CSS
• Знаєте базовий синтаксис JavaScript
• Навчились працювати зі сторонніми API-інтерфейсами

Python для веброзробки

Теми:

• Знайомство з Flask
• Веброзробка за допомогою Flask. Part 1
• Веброзробка за допомогою Flask. Part 2
• Веброзробка за допомогою Flask. Part 3
• Веброзробка за допомогою Flask. Part 4
• Знайомство з Django
• Django ORM. Part 1
• Django ORM. Part 2
• Робота в Django. Part 1
• Робота в Django. Part 2
• Робота в Django. Part 3
• Django REST (DRF). Part 1
• Django REST (DRF). Part 2
• Асинхронні задачі в Django
• Підготовка до запуску додатка - Docker. Part 1
• Підготовка до запуску додатка - Docker. Part 2

Результати:

• Вмієте працювати з API-інтерфейсами
• Налаштовуєте обмін повідомленнями між клієнтом і сервером
• Вмієте працювати з фреймворком Flask для створення вебзастосунків
• Знаєте, як гарантувати обмін інформацією між клієнтом і сервером у режимі реального часу
• Вмієте налаштовувати аутентифікацію та авторизацію
• Працюєте з Django
• Вмієте готувати застосунок до запуску за допомогою Docker

Я - Junior Python Developer

Теми:

• Розвиток кар'єри в ІТ
• Стратегія пошуку роботи
• Ефективне резюме і супровідний лист
• Інтерв'ю з рекрутером та hiring-менеджером

Результати:

• Знаєте свої сильні та слабкі сторони й розумієте, як говорити про них на співбесіді
• Маєте власну стратегію пошуку роботи
• Правильно оформлюєте власні соцмережі, щоби приваблювати увагу рекрутерів
• Знаєте, як написати супровідний лист і зацікавити роботодавця
• Вмієте презентувати себе

Особливості курсу

• Заняття щопонеділка та щосереди
• Велика база
• Підвищення скілів
• Кар'єра

Викладачі курсу

Богдан Данилюк - Architect at EOS Data Analytics

За 11 занять на курсі ви опануєте основи вебскрапінгу, розглянете етичні питання та перейдете до практичних завдань: моніторингу аудиторії, пошуку лідів, обходу блокерів. В результаті навчитеся створювати власні скрапери, імітувати поведінку користувачів та вилучати інформацію з різноманітних сторінок, користуючись фреймворками Beautiful Soup, Scrapy, Selenium.

Програма курсу

Вступ до курсу Web Scraping

• З'ясуєте, що таке Web Scraping та які є бібліотеки для розробки скраперів
• Дізнаєтеся, де можна використовувати набуті за курс знання
• Зрозумієте етичні та легальні аспекти використання скраперів

Початок роботи в парсингу даних

• Опрацюєте основні мови розмітки вебсайтів - HTML, XML, JSON
• Створите віртуальне оточення та встановите потрібні бібліотеки для парсингу даних

Методи вилучення даних

• Зрозумієте, яким чином будувати XPath для доступу до будь-якого тегу в документі
• Опануєте регулярні вирази та CSS-селектори для пошуку та вилучення інформації з вебсторінок

HTTP Request

• Дізнаєтеся про типи запитів та відповідей
• Опрацюєте інструмент Postman
• Навчитеся використовувати бібліотеку Requests для відправлення запитів на сервер

Робота з даними у Web Scraping

• Навчитеся зберігати дані локально та в бази даних
• Зможете обирати оптимальний формат збереження даних для подальшого аналізу
• Навчитеся писати SQL-запити для аналізу

Beautiful Soup

• Навчитеся використовувати бібліотеку Beautiful Soup для парсингу сайтів
• Опрацюєте Threads для парсингу
• Знайдете потрібні HTML-теги за допомогою BS

Scrapy

• Опануєте фреймворк Scrapy для парсингу сайтів
• Ознайомитеся з поняттям Spider
• Навчитеся використовувати Spider для парсингу сайту
• Зможете зберігати отримані дані в різних форматах

Selenium

• Розберете бібліотеку Selenium для парсингу сайтів
• Навчитеся працювати із CSS-селекторами або XPath для знаходження потрібних елементів
• Опануєте Selenium для заповнення форм та кліків на сторінці

Як уникнути захисту від Web Scrapers

Попрактикуєте підходи до імітації реального користувача для успішного отримання контенту сторінки.

Q&A-сесія з лектором

• Відповіді на питання студентів
• Поради щодо виконання курсового проєкту

Презентація курсових проєктів

Презентація курсових проєктів.

Викладачі курсу

Владислав Абрамов - Python Engineer at Jooble