Введение в Python для финансистов
Этот курс посвящен знакомству с Python для финансового анализа
Преподаватель
Анастасия Шафиева
Преподаватель по курсам компьютерные сети, телекоммуникации и связь
4часа
14видео
68упражнений
6000опыта
Описание курсаФинансовая отрасль все чаще использует Python для программирования и проведения количественного анализа, начиная от изучения экономической динамики и заканчивая системами управления рисками. Этот курс посвящен знакомству с Python для финансового анализа. На практических примерах вы изучите основы структур данных Python, таких как списки и массивы, и освоите мощные способы хранения и управления финансовыми данными для определения динамики.
1. Добро пожаловать в Python
В этой главе вы изучите основы языка Python, в том числе, как присваивать имена переменным и различным типам данных в Python.
Добро пожаловать в Python для финансистов!
50
Использование Python в финансовой сфере
100
Запуск кода и отправка ответа
100
Комментарии и переменные
50
Печатаем вывод
100
Печатаем вывод
50
Печатаем вывод
50
Определение средних показателей
100
Определение средних показателей
50
Определение средних показателей
50
Типы данных
50
Создание переменных
100
Создание переменных
30
Создание переменных
30
Создание переменных
40
Определение типов
100
Булевы значения в Python
100
Булевы значения в Python
50
Булевы значения в Python
50
Объединение разных типов данных
100
2. Списки
В этой главе вы изучите списки в Python и узнаете, как их можно использовать для работы с данными.
Списки в Python
50
Создание списков в Python
100
Индексирование элементов списка
100
Срез нескольких элементов списка
100
Срез нескольких элементов списка
50
Срез нескольких элементов списка
50
Вложенные списки
50
Создание вложенного списка
100
Выборка вложенного списка
100
Функции и методы списков
50
Изучение методов и функций списков
100
Изучение методов и функций списков
50
Изучение методов и функций списков
50
Использование методов списка для добавления данных
100
Поиск максимальных значений
100
3. Массивы в Python
Эта глава познакомит вас с библиотеками в Python, в частности с NumPy, которую можно эффективно использовать для работы с массивами.Массивы
50
Создание массива
100
Поэтапные операции с массивами
100
Выборка элементов из массива
100
Выборка элементов из массива
30
Выборка элементов из массива
30
Выборка элементов из массива
40
Двумерные массивы
50
Создание двумерного массива
100
Создание двумерного массива
50
Создание двумерного массива
50
Выборка двумерных массивов
100
Выборка двумерных массивов
30
Выборка двумерных массивов
30
Выборка двумерных массивов
40
Вычисление статистических данных
100
Вычисление статистических данных
50
Вычисление статистических данных
50
Генерация последовательных чисел
100
Использование массивов для анализа
50
Поиск данных с показателем выше среднего
100
Поиск элементов в массиве
100
4. Визуализация в Python
В этой главе вы изучите библиотеку Matplotlib для создания линейных графиков, диаграмм рассеяния и гистограмм.
5. Практика применения
В этой главе у вас будет возможность применить все изученные в курсе приёмы на готовом датасете.
Знакомство с датасетом
50
Списки
100
Массивы и NumPy
100
Подробный обзор данных
50
Фильтрация массивов
100
Фильтрация массивов
50
Фильтрация массивов
50
Суммирование данных по отраслям
100
Суммирование данных по отраслям
50
Суммирование данных по отраслям
50
Строим графики
100
Визуализация динамики
50
Строим гистограммы
100
Определение отклонения (1)
100
Определение отклонения (2)
100
