Machine learning with python

About this Course

360,456 recent views

«A picture is worth a thousand words». We are all familiar with this expression. It especially applies when trying to explain the insight obtained from the analysis of increasingly large datasets. Data visualization plays an essential role in the representation of both small and large-scale data.

One of the key skills of a data scientist is the ability to tell a compelling story, visualizing data and findings in an approachable and stimulating way. Learning how to leverage a software tool to visualize data will also enable you to extract information, better understand the data, and make more effective decisions.

The main goal of this Data Visualization with Python course is to teach you how to take data that at first glance has little meaning and present that data in a form that makes sense to people. Various techniques have been developed for presenting data visually but in this course, we will be using several data visualization libraries in Python, namely Matplotlib, Seaborn, and Folium.

LIMITED TIME OFFER: Subscription is only $39 USD per month for access to graded materials and a certificate.

User

Learner Career Outcomes

Career direction

got a pay increase or promotion

Shareable Certificate

Shareable Certificate
Earn a Certificate upon completion

100% online

100% online
Start instantly and learn at your own schedule.

Flexible deadlines

Flexible deadlines
Reset deadlines in accordance to your schedule.

Intermediate Level
Intermediate Level

Hours to complete
Approx. 18 hours to complete

Available languages

English
Subtitles: English, Vietnamese

About this Course

143,266 recent views

Course Overview: https://www.youtube.com/watch?v=JgFV5qzAYno

Python is now becoming the number 1 programming language for data science. Due to python’s simplicity and high readability, it is gaining its importance in the financial industry. The course combines both python coding and statistical concepts and applies into analyzing financial data, such as stock data.

By the end of the course, you can achieve the following using python:

— Import, pre-process, save and visualize financial data into pandas Dataframe

— Manipulate the existing financial data by generating new variables using multiple columns

— Recall and apply the important statistical concepts (random variable, frequency, distribution, population and sample, confidence interval, linear regression, etc. ) into financial contexts

— Build a trading model using multiple linear regression model

— Evaluate the performance of the trading model using different investment indicators

Jupyter Notebook environment is configured in the course platform for practicing python coding without installing any client applications.

User

Learner Career Outcomes

Career direction

33%

got a tangible career benefit from this course

Shareable Certificate

Shareable Certificate
Earn a Certificate upon completion

100% online

100% online
Start instantly and learn at your own schedule.

Flexible deadlines

Flexible deadlines
Reset deadlines in accordance to your schedule.

Intermediate Level

Intermediate Level

You will get the most out of the course if you have basic knowledge in probability.

Hours to complete
Approx. 13 hours to complete

Available languages

English
Subtitles: English, Japanese

Getting Your Python On

In this module, you’ll learn about the different types of operating systems, and how you can get your python code ready to interact with the operating system. We’ll learn about getting your environment set up and installing additional Python modules that will help you along the way. We’ll rundown interpreted versus compiled language, and how they differ from each other. We’ll dive into the benefits of automation, and point out common pitfalls so you can avoid them. Finally, we’ll learn about Qwiklabs, which will be used for graded assessments.

Hours to complete
5 hours to complete

Reading
16 videos (Total 79 min), 5 readings, 4 quizzes

See All

Module 2: Supervised Machine Learning — Part 1

This module delves into a wider variety of supervised learning methods for both classification and regression, learning about the connection between model complexity and generalization performance, the importance of proper feature scaling, and how to control model complexity by applying techniques like regularization to avoid overfitting. In addition to k-nearest neighbors, this week covers linear regression (least-squares, ridge, lasso, and polynomial regression), logistic regression, support vector machines, the use of cross-validation for model evaluation, and decision trees.

Hours to complete
10 hours to complete

Reading
12 videos (Total 166 min), 2 readings, 2 quizzes

See All

About this Course

195,332 recent views

The goal of the course is to introduce students to Python Version 3.x programming using hands on instruction. It will show how to install Python and use the Spyder IDE (Integrated Development Environment) for writing and debugging programs. The approach will be to present an example followed by a small exercise where the learner tries something similar to solidify a concept. At the end of each module there will be an exercise where the student is required to write simple programs and submit them for grading. It is intended for students with little or no programming background, although students with such a background should be able to move forward at their preferred pace.

The course is four modules long and is designed to be completed in four weeks.

User

Learner Career Outcomes

Career direction

got a tangible career benefit from this course

Shareable Certificate

Shareable Certificate
Earn a Certificate upon completion

100% online

100% online
Start instantly and learn at your own schedule.

Flexible deadlines

Flexible deadlines
Reset deadlines in accordance to your schedule.

Beginner Level
Beginner Level

Hours to complete
Approx. 18 hours to complete

Available languages

English
Subtitles: English

About this Course

1,243,101 recent views

This course will show how one can treat the Internet as a source of data. We will scrape, parse, and read web data as well as access data using web APIs. We will work with HTML, XML, and JSON data formats in Python. This course will cover Chapters 11-13 of the textbook “Python for Everybody”. To succeed in this course, you should be familiar with the material covered in Chapters 1-10 of the textbook and the first two courses in this specialization. These topics include variables and expressions, conditional execution (loops, branching, and try/except), functions, Python data structures (strings, lists, dictionaries, and tuples), and manipulating files. This course covers Python 3.

User

Learner Career Outcomes

Career direction

15%

got a pay increase or promotion

Shareable Certificate

Shareable Certificate
Earn a Certificate upon completion

100% online

100% online
Start instantly and learn at your own schedule.

Specialization

Course 3 of 5 in the
Python for Everybody Specialization

Flexible deadlines

Flexible deadlines
Reset deadlines in accordance to your schedule.

Hours to complete
Approx. 19 hours to complete

Available languages

English
Subtitles: French, Portuguese (Brazilian), Korean, Russian, English, Spanish

What you will learn

• Use regular expressions to extract data from strings

• Understand the protocols web browsers use to retrieve documents and web apps

• Retrieve data from websites and APIs using Python

• Work with XML (eXtensible Markup Language) data

Как выглядят здоровые ногти?

Для начала нужно понять, как должен выглядеть здоровый ноготь. Ведь, зная, какой вид он имеет, легче следить за видом и состоянием, вовремя увидеть изменения.

• Самый очевидный признак здоровья — прочность и твердость.
• Края ногтей обычно белые или цвета слоновой кости. Но ни в коем случае не пожелтевшие или пятнистые.
• Здоровый ноготь ровный и гладкий сверху. Если он бугристый, вогнутый, искривленный или на нем есть впадины, это может быть признаком нехватки витаминов.
• Здоровая ногтевая пластина не расслаивается. Если такое происходит, значит, ей нужен дополнительный уход и питание.
• Здоровые ногти имеют нормальную толщину. Утолщение приводит к деформации.
• Красивый розоватый цвет – признак здоровья.

Как выглядят здоровые ногти?

Syllabus — What you will learn from this course

SkillFactory

Школа SkillFactory предлагает 25 курсов и
специализаций. Как указано на их сайте,
эта школа — лидер на рынке онлайн-образования
в сегменте Data Science. А это как бы намекает,
что курсы по Python тут точно есть.

Курсы в SkillFactory

Собственно, для питонистов в SkillFactory
есть и профессия, и курсы.

Начнем с профессии — «Fullstack-разработчик на Python».

Длительность обучения — 15 месяцев
(по 10 часов в неделю). Студентов обучают
профессии с нуля. В программе курса:

• программирование на Python и JavaScript,
• изучение Django, React, SQL, DevOps-практик и
  основ Linux.

Что отличает SkillFactory, это формат
обучения. Теорию вы изучаете в любое
удобное время на учебной платформе, там
же публикуются задачи. А на вебинарах
с преподавателем разбираются сложные
вопросы. Для отработки навыков кодинга
созданы специальные тренажеры.

После обучения вам выдадут сертификат
и помогут подготовиться к собеседованию
(пробное интервью).

Из курсов, связанных с Python, SkillFactory
предлагает:

— «Аналитик больших данных».

Срок обучения — пять месяцев. Этот
курс подходит для:

• программистов, желающих овладеть
  новыми приемами работы с данными и
  инструментами,
• аналитиков, желающих освоить
  автоматизацию на Python и овладеть новыми
  подходами к анализу,
• менеджеров (для облегчения диалога
  с экспертами и постановки задач).

— Курс по нейронным сетям.

Длительность курса — 10 недель.

• введение в искусственные нейронные
  сети,
• фреймворки для глубокого обучения
  (TensorFlow, Keras),
• сверточные нейронные сети,
• оптимизация нейронной сети,
• обработка естественного языка
  (NLP).

Курс предназначен для людей, уже
знающих Python и знакомых с машинным
обучением.

— «Python для анализа данных».

Срок обучения — два месяца.

В программе курса:

• знакомство с Python (базовое),
• работа с большими данными (библиотека
  Pandas, визуализация данных, сводные
  таблицы),
• работа с библиотекой NumPy,
• написание автоматических скриптов,
• работа с базами данных,
• парсинг веб-страниц, общедоступных
  профилей Вконтакте, работа с открытыми
  API-сервисами.

Показания к применению препарата КЕТОТИФЕН

Reviews

Python. К вершинам мастерства (2016)

Язык Python настолько прост, что научиться продуктивно писать на нем программы можно быстро, но зачастую вы при этом используете не все имеющиеся в нем возможности. Данная книга покажет, как создавать эффективный идиоматичный код на Python, задействуя его лучшие – и иногда несправедливо игнорируемые – черты. Автор, Лучано Рамальо, рассказывает о базовых средствах и библиотеках Python и демонстрирует, как сделать код одновременно короче, быстрее и понятнее. Многие опытные программисты стараются подогнать Python под приемы, знакомые им по работе с другими языками. Эта книга покажет, как достичь истинного профессионализма в программировании на Python 3.

Как устроен Python

Отличный вариант для тех, кто хочет изучить Python, не имея никакого бэкграунда в программировании.

Читая эту книгу, вы усвоите лучшие
подходы к написанию кода на Python, не тратя
время на поиски нужной информации или
попытки заставить Python вести себя подобно
другим языкам

Автор книги собрал все
самое важное, что узнал об этом языке
за годы работы с ним

Из книги Мэтта Харрисона вы узнаете,
как работают интерпретируемые языки
программирования. Вы познакомитесь с
основными типами (строками, целыми и
вещественными числами), разберетесь,
чем отличаются изменяемые и неизменяемые
данные, научитесь работать со списками,
множествами и словарями.

Эта книга поможет вам освоить язык
Python максимально быстро.

Разработка геоприложений на языке Python (2017)

Написание геопространственных программ предполагает решение таких задач, как группирование данных по географическому положению, хранение и анализ больших массивов информации, выполнение сложных расчетов и построение красочных интерактивных карт.

Книга предоставляет обзор главных геопространственных понятий, источников геоданных и наборов инструментов для геообработки. Рассмотрены приемы хранения и доступа к пространственным данным. Показано создание собственного интерфейса со скользящей картой в рамках веб-приложения. Подробно описано создание редактора геоданных на основе географического модуля GeoDjango для веб-платформы Django.

Об этом курсе

Недавно просмотрено: 250,684

Python – простой, гибкий и невероятно популярный язык, который используется практически во всех областях современной разработки. С его помощью можно создавать веб-приложения, писать игры, заниматься анализом данных, автоматизировать задачи системного администрирования и многое другое. “Погружение в Python” читают разработчики, применяющие Python в проектах, которыми ежедневно пользуются миллионы людей. Курс покрывает все необходимые для ежедневной работы программиста темы, а также рассказывает про многие особенности языка, которые часто опускают при его изучении.

В ходе курса вы изучите конструкции языка, типы и структуры данных, функции, научитесь применять объектно-ориентированное и функциональное программирование, узнаете про особенности реализации Python, научитесь писать асинхронный и многопоточный код. Помимо теории вас ждут практические задания, которые помогут проверить полученные знания и отточить навыки программирования на Python. После успешного окончания курса вы сможете использовать полученный опыт для разработки проектов различной сложности.

User

Карьерные результаты учащихся

Формирование карьерного пути

получил значимые преимущества в карьере благодаря этому курсу

Сертификат, ссылками на который можно делиться с другими людьми

Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении

100% онлайн

100% онлайн
Начните сейчас и учитесь по собственному графику.

Специализация

Курс 1 из 4 в программе
Специализация Программирование на Python

Гибкие сроки

Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень
Средний уровень

Часов на завершение
Прибл. 44 часа на выполнение

Доступные языки

Русский
Субтитры: Русский

About this Course

364,620 recent views

This course will introduce the learner to information visualization basics, with a focus on reporting and charting using the matplotlib library. The course will start with a design and information literacy perspective, touching on what makes a good and bad visualization, and what statistical measures translate into in terms of visualizations. The second week will focus on the technology used to make visualizations in python, matplotlib, and introduce users to best practices when creating basic charts and how to realize design decisions in the framework. The third week will be a tutorial of functionality available in matplotlib, and demonstrate a variety of basic statistical charts helping learners to identify when a particular method is good for a particular problem. The course will end with a discussion of other forms of structuring and visualizing data.

This course should be taken after Introduction to Data Science in Python and before the remainder of the Applied Data Science with Python courses: Applied Machine Learning in Python, Applied Text Mining in Python, and Applied Social Network Analysis in Python.

User

Learner Career Outcomes

Career direction

14%

got a pay increase or promotion

Shareable Certificate

Shareable Certificate
Earn a Certificate upon completion

100% online

100% online
Start instantly and learn at your own schedule.

Specialization

Course 2 of 5 in the
Applied Data Science with Python Specialization

Flexible deadlines

Flexible deadlines
Reset deadlines in accordance to your schedule.

Intermediate Level
Intermediate Level

Hours to complete
Approx. 20 hours to complete

Available languages

English
Subtitles: English, Korean

What you will learn

• Describe what makes a good or bad visualization

• Understand best practices for creating basic charts

• Identify the functions that are best for particular problems

• Create a visualization using matplotlb

Качество высшего образования

С 2019 года курс «читается» студентам Московского университета экономики и права им. Витте
на специальностях «Прикладная информатика» и «Бизнес-информатика».

Изучаем Python, том 1

Как отмечают многие читатели, если вы ищете краткое справочное пособие, то учебник Лутца вам не подойдет. Но для начинающих, которые к тому же хотят досконально разобраться в языке, эта книга — самое то!

Книга написана автором на основе его
собственного обучающего курса по Python.
В пятом издании речь идет уже о Python 3.

Читая эту книгу, вы:

• познакомитесь с основными встроенными
  типами объектов — числами, списками,
  словарями;
• научитесь создавать и работать с
  этими объектами, используя синтаксические
  конструкции Python;
• познакомитесь с функциями;
• научитесь работать с модулями;
• изучите продвинутый инструментарий
  Python, включая декораторы, дескрипторы,
  метаклассы.

С чего начать?

Python считается одним из самых простых
в изучении языков программирования, к
тому же он чрезвычайно универсален. Вы
можете использовать этот язык для чего
угодно, от веб-разработки до разработки
игр. Кроме того, изучив Python, вы в будущем
с легкостью изучите и подобные ему
языки, например, PHP или Ruby.

Лучший способ изучить что-либо —
работать с предметом изучения. Языков
программирования это касается в первую
очередь. Следовательно, лучший способ
начать изучение Python — выбрать урок или
обучающий курс и погрузиться в него с
головой.

Что касается изучения основ кодинга
на Python, вы вполне можете справиться с
этим самостоятельно. Нет никакой
необходимости тратить тысячи долларов
на получение специального образования
или прохождение курсов программирования.
А нужные навыки вы приобретете на
практике, путем проб и ошибок.

Чтобы помочь вам сориентироваться в
онлайн-ресурсах, мы составили список
самых лучших из них, которые точно
помогут вам изучить основы или же
расширить имеющиеся знания (в описании
мы будем отдельно указывать, кому именно
больше подойдет тот или иной курс).

СКОЛЬКО ЗАРАБАТЫВАЕТ PYTHON-РАЗРАБОТЧИК

Если вы прошли курсы Python и смело можете назвать себя экспертом в разработке, то можете рассчитывать на достойную оплату труда даже по столичным меркам. Некоторые компании открывают вакансии для начинающих специалистов. Зарплата будет меньше, но зато вы получите опыт и сможете рассчитывать на повышение и продвижение по карьерной лестнице!

Заработная плата Питон-разработчика:

• Постоянная занятость в Москве – от 150 тыс. руб.
• Удаленная работа – от 70 тыс.руб.
• Начинающие специалисты – от 50 тыс.руб.

Оклад может завесить и от объема выполненных задач. Чем больше сделали, тем больше получили. Отдельные компании предлагают проектную разовую работу. Например, написать сайт или приложение.

Немного теории:

Объекты это представление предметов из реальной жизни, например машин, собак, велосипедов. У объектов есть две основных характеристики: данные и поведение.

У машин есть данные, например количество колёс или сидячих мест. Также у них есть поведение: они могут разгоняться, останавливаться, показывать оставшееся количество топлива и другое.

В объектно-ориентированном программировании мы идентифицируем данные как атрибуты, а поведение как методы. Ещё раз:

Данные → Атрибуты; Поведение → Методы

Класс это как чертёж, из которого создаются уникальные объекты. В реальном мире есть множество объектов с похожими характеристиками. Например, машины. Все они имеют какую-то марку или модель(точно так же как и двигатель, колёса, двери и так далее). Каждая машина была построена из похожего набора чертежей и деталей.

Активировать объектно-ориентированный режим Python

Python, как объектно-ориентированный язык программирования, имеет следующие концепции: классы и объекты.

Класс — это чертёж, модель для его объектов.

Ещё раз, класс — это просто модель, или способ для определения атрибутов и поведения(о которых мы говорили в теории выше). Например, класс машины будет иметь свои собственные атрибуты, которые определяют какие объекты являются машинами. Количество колёс, тип топлива, количество сидячих мест и максимальная скорость — всё это является атрибутами машин.

Держа это в уме, давайте посмотрим на синтаксис Python для классов:

Мы определяем классы class-блоком и на этом всё. Легко, не так ли?

Объекты это экземпляры классов. Мы создаём экземпляр тогда, когда даём классу имя.

Здесь car это объект(экземпляр) класса Vehicle.

Помните, что наш класс машин имеет следующие атрибуты: количество колёс, тип топлива, количество сидячих мест и максимальная скорость. Мы задаём все атрибуты когда создаём объект машины. В коде ниже, мы описываем наш класс таким образом, чтобы он принимал данные в тот момент, когда его инициализируют:

Мы используем метод init. Мы называем этот конструктор-методом. Таким образом, когда мы создаём объект машины, мы можем ещё и определить его атрибуты. Представьте, что нам нравится модель Tesla S и мы хотим создать её как наш объект. У неё есть четыре колеса, она работает на электрической энергии, есть пять сидячих мест и максимальная скорость составляет 250 км/ч. Давайте создадим такой объект:

Четыре колеса + электрический “вид топлива” + пять сидений + 250 км/ч как максимальная скорость.

Все атрибуты заданы. Но как нам теперь получить доступ к значениям этих атрибутов? Мы посылаем объекту сообщению с запросом атрибутов. Мы называем это метод. Это поведение объекта. Давайте воплотим эту идею:

Это реализация двух методов: number_of_wheels и set_number_of_wheels. Мы называем их получатель и установщик. Потому что получатель принимает значение атрибута, а установщик задаёт ему новое значение.

В Python мы можем реализовать это используя @property для описания получателя и установщика. Посмотрим на это в коде:

Далее мы можем использовать методы как атрибуты:

Это немного отличается от описания методов. Эти методы работают как атрибуты. Например, когда мы задаём количество колёс, то не применяем два как параметр, а устанавливаем значение двойки для number_of_wheels. Это один из способ написать получать и установщик в Python.

Ещё мы можем использовать методы для других вещей, например создать метод “make_noise”(пошуметь).

Давайте посмотрим:

Когда мы вызовем этот метод, он просто вернётся строку “VRRRRUUUUM”.

Managing Data and Processes

In this module, we’ll learn about reading and writing to data files based on an interaction with the user. Along the way, we’ll dive into standard streams, environment variables, and command line arguments. Next, we’ll jump into Python subprocesses, including system commands and how they can be used. We’ll review how to obtain output from a system command, and dive into subprocess management, including how to check exit values and manipulate the normal versus error exit values. Finally, we’ll rundown processing log files, and will cover what a log file is, how to filter log files using regular expressions, and how to understand the output captured from log files.

Hours to complete
4 hours to complete

Reading
12 videos (Total 48 min), 2 readings, 4 quizzes

See All

Beetroot Academy

Шведско-украинская IT-школа. По сути,
это целая сеть из 14 школ в разных городах
Украины. Beetroot предлагает ряд курсов по
техническим направлениям (фронтенд и
бэкенд-разработка, продвинутый JavaScript,
мануальное тестирование), нетехническим
(менеджмент проектов, цифровой маркетинг)
и дизайну. А самое замечательное, что
все эти курсы можно проходить онлайн.

Курсы Beetroot

Среди «технических» курсов видное
место занимает курс «Python
для начинающих». Он рассчитан на 4
месяца (175 часов). Курс состоит из следующих
модулей:

• Основы Python
• Углубленный Python с ООП
• Классическая информатика, алгоритмы
  и структуры данных
• Многопоточное программирование
• Веб-фреймворки, ORM и дипломный
  проект.

Большое внимание уделяется практике.
В рамках курса, помимо изучения собственно
Python, некоторое время отводится на
изучение английского языка (профессиональной
лексики). По окончании курсов выдается диплом.
Все дипломы хранятся в базе школы, так
что работодатель всегда может проверить,
действительно ли такой диплом выдавался

По окончании курсов выдается диплом.
Все дипломы хранятся в базе школы, так
что работодатель всегда может проверить,
действительно ли такой диплом выдавался.

Оплачивать курсы можно помесячно.
Также Beetroot Academy запустила новую модель
онлайн-обучения: без обязательной
предоплаты. За курсы можно заплатить
после трудоустройства.

Skillbox

В онлайн-университете Skillbox есть
разделение на «профессии» и «курсы».
Профессии более объемны, они позволяют
освоить с нуля новую специальность,
создать портфолио и побыстрее найти
работу (предоставляется помощь в
составлении резюме, даются консультации
по вопросам карьеры).

Курсы гораздо короче. Они позволяют
быстро приобрести нужный навык или
освоить новый инструмент.

Профессии в Skillbox

И среди профессий, и среди курсов
Skillbox есть много связанных с Python в той
или иной степени. Мы упомянем только
те, где связь самая непосредственная.

Профессии:

— Python-разработчик.

Обучение программированию на Python с
нуля. Вы научитесь создавать простые и
сложные программы, оптимизировать
приложения, тестировать свой код,
работать с базами данных. Кроме самого
языка изучаются инструменты, необходимые
в разработке (Git, PyCharm).

— Fullstack-разработчик на Python.

Опять же, обучение профессии с нуля.
Вы научитесь верстать сайты на HTML и CSS,
работать с API, создавать современные
веб-приложения, работать с базами данных.
Само собой, научитесь программировать
на Python.

Обучение и первой, и второй профессии
длится год. Студентам оказывается помощь
в трудоустройстве (советы по составлению
портфолио и резюме, подготовка к
собеседованиям).

Курсы:

— Python-разработчик.

В рамках курса изучается синтаксис
Python, работа с базами данных, тестирование,
работа с сетью и использование Git. В
качестве «бонусных» тем идут основы
работы в Linux и знакомство с фреймворком
Flask.

— Python-фреймворк Django.

На этом курсе вы научитесь создавать
и оптимизировать веб-приложения на
Django, верстать адаптивные сайты,
пользоваться инструментами (pip, virtualenv,
Git, PyCharm), тестировать свой код. Также вы
изучите основы JavaScript.

Занятия проходят онлайн. Есть видеоуроки
и домашние задания, которые будет
проверять преподаватель. Общение — в
Telegram-чате.

Оба курса рассчитаны на полгода. По
окончании курсов выдается диплом.

Платить можно помесячно.

Остались вопросы?

• Попробуйте. Первые уроки и задания после регистрации.
  Этого хватит, чтобы оценить подачу и сложность материалов.

• Все уроки у нас в записи, поэтому обучение можно начинать в любой момент.
  Ограничений по времени прохождения также нет, можете спокойно ехать в отпуск, а затем без проблем продолжать занятия.

• Некоторые ученики проходят курс за месяц, другим нужен год.
  Продолжительность обучения зависит от ваших целей, начальной подготовки и времени, которое вы готовы тратить на учебу.
  Ограничений по времени у нас нет, каждый учится в комфортном для себя темпе.

• Под каждым уроком и заданием есть мини-форум, где ученики могут общаться с преподавателем и друг с другом.
  Если у вас возникли вопросы, то смело задавайте их через форум и вам обязательно помогут.

• 5. Сколько стоит обучение?

  Наши курсы стоят от 700 до 4900 рублей в зависимости от объема и сложности.
  Все цены, включая пакетные предложения и скидки, доступны после регистрации.

Django: практика создания Web-сайтов на Python (2018)

Книга посвящена разработке Web-сайтов на популярном языке программирования Python с использованием библиотеки Django. Описывается создание моделей, контроллеров и шаблонов, применение форм для ввода данных и выгрузки на сайт файлов, реализация разграничения доступа, комментирование кода, работа со статичными страницами, применение сторонних библиотек для вывода миниатюр. Рассказывается о форматировании текста тегами BBCode, привязке к позициям тегов и выполнении поиска по тегам. Рассматриваются инструменты для генерирования каналов новостей RSS и Atom, рассылки электронной почты и настройка встроенного административного сайта Django под свои нужды. Детально описывается процесс разработки и публикации полнофункционального коммерческого Web-сайта, использующего, в том числе, технологию AJAX. Все исходные коды доступны для загрузки с сайта издательства.

Вывод об инкапсуляции

С помощью инкапсуляции мы можем убедиться, что наша внутренняя реализация объекта сокрыта от внешних манипуляций.

Наследование: поведение и характеристики

Разные объекты могут иметь некоторую схожесть, обладать поведением и характеристиками.

Например, я унаследовал какие-то характеристики и поведение от своего отца. Я получил его глаза и волосы в качестве своих характеристик, а его нетерпеливость и интровертность в качестве своего поведения.

В объектно-ориентированном программировании классы могут наследовать простые характеристики(данные) и поведение(методы) от других классов.

Давайте посмотрим другой пример и реализуем его в Python.

Представьте машину. Количество колёс, сидячих мест и максимальная скорость — всё это атрибуты машины. Мы можем сказать, что класс электромашины наследует эти схожие характеристики от обычного класса машины.

Наш класс машины реализует:

Один раз реализовав, мы можем использовать все созданные экземпляры переменных. Неплохо.

В Python, мы применяем класс-родитель к нашему классу-наследнику как параметр. Класс электромашины может наследоваться от класса машины.

Вот так просто. Нам не нужно реализовывать какой-либо другой метод, потому что этот класс уже имеет его(унаследовав от класса машины). Давайте докажем это:

Прекрасно.

На этом всё!

Мы изучили множество вещей о базах Python:

• Как работают переменные Python
• Как работают блоки условий
• Как работают циклы(while и for)
• Как использовать списки: коллекции | массивы
• Коллекция-словарь в виде ключ-значение
• Как мы можем проводить итерации через эту структуры данных
• Объекты и классы
• Атрибуты как данные объектов
• Методы как поведение объектов
• Использование Python получателя и установщика, а также свойство @property
• Инкапсуляция: сокрытие информации
• Наследование: поведение и характеристики

Поздравляем! Вы освоили эту насыщенную и необходимую часть языка Python.