Термінал Linux (bash)
Основи Linux
Командний рядок з нуля: файли, права, процеси, мережа, bash-скрипти і SSH — у терміналі навчальної Ubuntu.
Курс за підпискою
Підготовка даних з pandas: від брудного файлу до даних для моделі
Навчіться перетворювати сирі таблиці на дані, на яких модель справді може вчитися
- 13 модулів
- 60+ практичних завдань
- Автоматична перевірка
- Українською
Отримати доступ до курсу
Курс за підпискою · Навчання у власному темпі
Про курс
Що це за курс?
Реальні дані рідко бувають чистими: зайві пробіли в назвах, ціни на кшталт "$1,299.00", дати в трьох форматах, дублікати клієнтів, пропуски там, де вони найменш доречні. Модель машинного навчання нічого з цим не зробить — їй потрібна акуратна числова таблиця. У цьому курсі ви крок за кроком опануєте pandas — головну бібліотеку Python для роботи з таблицями — і пройдете весь шлях: завантажити, оглянути, очистити, перетворити й віддати моделі масиви X та y.
Аудиторія
Для кого цей курс?
-
Знаєте базовий Python
Опануєте pandas: читатимете CSV, фільтруватимете через loc, iloc і маски, групуватимете й з'єднуватимете таблиці.
-
Працюєте з «брудними» таблицями
Чиститимете пропуски, типи, текст, дати й дублікати — аж до підсумкового проєкту з вивантажкою з CRM.
-
Готуєте дані для моделі
Кодуватимете категорії, масштабуватимете ознаки без витоку даних і віддаватимете моделі масиви X та y.
Спершу потрібна підготовка
Курс спирається на знання, позначені нижче як обов’язкові.
Потрібно знати
-
Базовий Python (змінні, списки, словники, цикли, функції).
Детальніше
- Досвід із NumPy корисний, але не обов'язковий, а знати машинне навчання не потрібно зовсім.
- Встановлювати нічого не треба — pandas і NumPy уже є в середовищі виконання.
Якщо цих знань ще немає — пройдіть курси за порядком:
- З нуля
- Обов’язково Основи програмування на Python
- Цей курс Підготовка даних з pandas: від брудного файлу до даних для моделі
Результат
Що ви навчитеся робити
створювати DataFrame і читати CSV з нестандартними роздільниками, заголовками й позначками пропусків
за хвилину оглядати новий набір даних: типи, пропуски, розподіли, підозрілі значення
вибирати рядки й стовпці через loc, iloc і булеві маски, сортувати за кількома ключами
знаходити, видаляти й заповнювати пропуски — зокрема медіаною групи та попереднім значенням у часовому ряді
виправляти типи, чистити текст через .str, розбирати дати й прибирати дублікати
рахувати нові стовпці без циклів, групувати, будувати зведені таблиці та змінювати форму даних
з'єднувати таблиці через concat і merge та ловити помилки ключів до того, як вони зіпсують результат
кодувати категорії, масштабувати ознаки без витоку даних, ділити вибірку на train і test
конструювати нові ознаки, знаходити викиди й відкидати марні стовпці
Формат
Як влаштоване навчання?
53 практичні завдання з автоматичною перевіркою: ви пишете справжній код pandas у вбудованому редакторі, а програма перевіряє його на прихованих наборах даних — із пропусками, дублікатами, порожніми результатами та іншими крайніми випадками, які трапляються в реальній роботі. Кожен розділ завершує тест на розуміння. Наприкінці — підсумковий проєкт: ви очищаєте «брудну» вивантажку з CRM і перетворюєте її на матрицю ознак для моделі.
-
Теорія
32 уроки з прикладами
-
Практика в браузері
60+ завдань з автоматичною перевіркою
-
Тести
13 тестів для самоперевірки
-
Власний темп
Онлайн на my.prog.academy, без встановлення програм
AI-помічник
AI-помічник поруч під час навчання
На сторінках курсу, уроків і завдань є кнопка «Запитати AI». Помічник знає матеріали саме цього курсу й урок, на якому ви зараз, тому відповідає по темі й показує, у яких уроках про це йдеться.
-
Пояснить інакше
Не зрозуміли урок з першого разу — попросіть пояснити простіше або дати ще один приклад.
-
Допоможе із завданням
Застрягли — підкаже, з чого почати, і допоможе знайти помилку у вашому рішенні. Готового рішення не дає.
-
Знайде потрібну тему
Запитайте, де пояснювали поняття, — і отримаєте посилання на потрібні уроки курсу.
-
Продовжить розмову
Уточнюйте без повторів: помічник пам’ятає розмову, а нещодавні розмови курсу зберігаються.
Входить у кожен тариф оплаченої підписки — Basic і Premium. У Premium ліміти використання AI-помічника вищі — ним можна користуватися активніше. Це помічник у навчанні, а не генератор готових відповідей: він пояснює й підказує, а завдання ви розв’язуєте самі.
Програма
Програма курсу
13 модулів, 60+ практичних завдань з автоматичною перевіркою і 13 тестів. Відкрийте модуль, щоб побачити всі теми.
Розділ 1 — DataFrame і завантаження даних 4 уроки · 4 практики · 1 тест
Навіщо готувати дані перед аналізом і шлях даних у курсі; Series і DataFrame, створення таблиць зі словників і записів, read_csv з нестандартними параметрами, вибір і перейменування стовпців
- Теорія Навіщо чистити дані: від сирої вивантажки до моделі
- Теорія Навіщо pandas: таблиця як об'єкт Python
- Практика DataFrame з JSON
- Теорія read_csv: роздільники, заголовки, пропуски
- Практика Вивантажка без заголовка
- Теорія Стовпці: вибір, перейменування, чисті назви
- Практика Чисті назви стовпців
- Практика Ознаки й цільова змінна
- Тест DataFrame і завантаження даних
Розділ 2 — Огляд набору даних 3 уроки · 4 практики · 1 тест
Перший погляд на нові дані: форма, типи, заповненість, описова статистика, розподіли категорій і чек-лист якості
- Теорія Перший погляд: shape, head, info, dtypes
- Практика Профіль стовпців
- Теорія Описова статистика й розподіли
- Практика Статистика числових стовпців
- Практика Частки категорій
- Теорія Чек-лист якості даних
- Практика Сканер якості даних
- Тест Огляд набору даних
Розділ 3 — Вибір рядків і фільтрація 3 уроки · 5 практик · 1 тест
loc та iloc, булеві маски з кількома умовами, isin і between, пропуски в порівняннях, сортування за кількома ключами
- Теорія loc та iloc: мітки й позиції
- Практика Loc чи iloc — що саме буде вибрано
- Практика Loc проти iloc
- Теорія Булеві маски: умови, isin, between, query
- Практика Фільтр каталогу
- Практика Які замовлення перевірити
- Теорія Сортування: кілька ключів, пропуски, найбільші значення
- Практика Сортування каталогу й топ за рейтингом
- Тест Вибір і фільтрація
Розділ 4 — Пропущені значення 3 уроки · 7 практик · 1 тест
Як виглядають пропуски в pandas, як їх порахувати, коли видаляти рядки й стовпці, чим і як заповнювати — зокрема за групами й у часових рядах
- Теорія Пропуски: як виглядають і як їх порахувати
- Практика Звіт про пропуски
- Теорія Видалити чи заповнити: dropna і fillna
- Практика Скільки рядків залишить dropna
- Практика Правила видалення
- Практика Заповнення медіаною й модою
- Теорія Заповнення за групами й у часі
- Практика Чим заповнити пропуск
- Практика Медіана відділу
- Практика Пропуски в показах датчиків
- Тест Пропущені значення
Розділ 5 — Типи, текст і дублікати 3 уроки · 6 практик · 1 тест
Перетворення типів і to_numeric з errors, nullable-типи й категорії, очищення тексту через.str, регулярні вирази, пошук і видалення дублікатів
- Теорія Типи даних: to_numeric, astype, nullable-типи, категорії
- Практика Діагноз типів за info()
- Практика Ціни з символами
- Практика Цілі, булеві й категорії
- Теорія Очищення тексту: аксесор.str і регулярні вирази
- Практика Одна назва міста
- Практика Коди з повідомлень
- Теорія Дублікати: точні й «майже однакові»
- Практика Клієнти без повторів
- Тест Типи, текст і дублікати
Розділ 6 — Дати й час 3 уроки · 3 практики · 1 тест
to_datetime з явним форматом і errors='coerce', аксесор.dt, різниця дат у групах, resample і періоди
- Теорія to_datetime: розбір дат без сюрпризів
- Практика Розбір дат і дні тижня
- Теорія Ознаки з дат:.dt, різниці, групи
- Практика Ознаки з часу замовлення
- Теорія Групування за часом: resample і періоди
- Практика Продажі за місяцями
- Тест Дати й час
Розділ 7 — Перетворення й агрегація 3 уроки · 6 практик · 1 тест
Нові стовпці без циклів: assign, np.where, map, clip; коли apply доречний, а коли ні; groupby з іменованими агрегатами й transform; pivot_table і melt
- Теорія Нові стовпці без циклів: assign, np.where, map
- Практика Сума, знижка, купон
- Практика Вартість доставки
- Теорія groupby: розділити, застосувати, об'єднати
- Практика Статистика відділів
- Практика Частка в сумі клієнта
- Теорія Зміна форми: pivot_table і melt
- Практика Зведена таблиця продажів
- Практика З широкої таблиці в довгу
- Тест Перетворення й агрегація
Розділ 8 — Об'єднання таблиць 3 уроки · 5 практик · 1 тест
concat для частин однієї таблиці, merge за ключем і чотири типи з'єднань, перевірка ключів через validate і звірка джерел через indicator
- Теорія concat: зібрати частини в одну таблицю
- Практика Склеїти вивантажки
- Теорія merge: з'єднання таблиць за ключем
- Практика Продажі за країнами
- Теорія Перевірки під час злиття: validate та indicator
- Практика Скільки рядків дасть merge
- Практика Безпечний довідник цін
- Практика Звірка складу
- Тест Об'єднання таблиць
Розділ 9 — Кодування й масштабування 2 уроки · 6 практик · 1 тест
Порядкове кодування й one-hot, однакові стовпці для train і test, min-max і стандартизація без витоку даних
- Теорія Категорії в числа: порядкове кодування й one-hot
- Практика Як закодувати ознаку
- Практика Порядкові коди
- Практика One-hot через get_dummies
- Практика Однакові стовпці для train і test
- Теорія Масштабування: min-max, стандартизація й витік даних
- Практика Min-max масштабування
- Практика Стандартизація без витоку
- Тест Кодування й масштабування
Розділ 10 — Від таблиці до моделі 1 урок · 3 практики · 1 тест
Портрет цільової змінної й баланс класів, відтворюваний і стратифікований поділ на train і test, масиви X та y з перевірками
- Теорія Від таблиці до X і y: баланс класів і поділ на train/test
- Практика Портрет класів
- Практика Відтворюваний поділ
- Практика X і y для моделі
- Тест Від таблиці до моделі
Розділ 11 — Інженерія ознак 1 урок · 4 практики · 1 тест
Нові ознаки з наявних: відношення й безпечне ділення, умови через np.select, інтервали через pd.cut, ознаки з тексту
- Теорія Нові ознаки: відношення, умови, інтервали, текст
- Практика ІМТ і маржа
- Практика Вікові групи через pd.cut
- Практика Цінові сегменти через np.select
- Практика Ознаки з відгуків
- Тест Інженерія ознак
Розділ 12 — Викиди й відбір ознак 2 уроки · 5 практик · 1 тест
Викиди за правилом IQR, обрізання квантилями, видалення марних ознак і кореляція з цільовою змінною
- Теорія Викиди: знайти й приборкати
- Практика Межі IQR і що робити з викидом
- Практика Викиди за IQR
- Практика Обрізання квантилями
- Теорія Відбір ознак: що прибрати, що лишити
- Практика Прибрати марні ознаки
- Практика Які ознаки пов'язані з ціллю
- Тест Викиди й відбір ознак
Розділ 13 — Підсумковий проєкт: від брудного файлу до моделі 1 урок · 3 практики · 1 тест
Увесь конвеєр підготовки даних у двох завданнях: очищення реальної вивантажки з CRM і побудова матриці ознак для моделі
- Теорія Конвеєр підготовки даних: порядок кроків
- Практика Порядок кроків конвеєра
- Практика Проєкт, частина 1: очищення вивантажки з CRM
- Практика Проєкт, частина 2: матриця ознак для моделі
- Тест Підсумковий тест курсу
Стек
Які технології використовуються?
- Python
- pandas
Код пишете й запускаєте в браузері на платформі — встановлювати нічого не потрібно.
Застосування
Де застосовуються ці знання?
- Підготовка датасетів для моделей машинного навчання
- Аналітика і звіти на Python
- Очищення вивантажень з CRM, магазинів і логів
Доступ
Як отримати доступ?
-
Залиште заявку
Заповніть коротку форму на цій сторінці.
-
Завершіть реєстрацію в Telegram
Після заявки перейдіть у Telegram-бот Prog Academy — він надішле подальші інструкції щодо доступу.
-
Навчайтеся на платформі
Уроки, практика й тести — на my.prog.academy, у зручному для вас темпі.
Контакт
Почніть навчання на платформі
Залиште контакти — надішлемо деталі доступу до курсу «Підготовка даних з pandas: від брудного файлу до даних для моделі».
Інші курси за підпискою
JavaScript (Node.js)
Як працює веб: від URL до HTTPS, API і безпеки
Шлях запиту від URL до готової сторінки: DNS, TCP, TLS, HTTP, кеш, cookies, API і захист вебзастосунків.
Кібербезпека з ШІ: захист від сучасних атак і безпечна робота зі штучним інтелектом
Захист від сучасних атак для нетехнічних фахівців: фішинг, паролі й MFA, інциденти, дипфейки і безпечна робота з ШІ.
Часті питання про курс
Що це за курс?
«Підготовка даних з pandas: від брудного файлу до даних для моделі» — онлайн-курс за підпискою на навчальній платформі Prog Academy. Навчіться перетворювати сирі таблиці на дані, на яких модель справді може вчитися. Реальні дані рідко бувають чистими: зайві пробіли в назвах, ціни на кшталт "$1,299.00", дати в трьох форматах, дублікати клієнтів, пропуски там, де вони найменш доречні. Модель машинного навчання нічого з цим не зробить — їй потрібна акуратна числова таблиця. У цьому курсі ви крок за кроком опануєте pandas — головну бібліотеку Python для роботи з таблицями — і пройдете весь шлях: завантажити, оглянути, очистити, перетворити й віддати моделі масиви X та y.
Для кого цей курс?
Тим, хто знає базовий Python і хоче навчитися готувати реальні табличні дані для аналізу й моделей.
Які знання потрібні перед стартом?
Потрібно: базовий Python (змінні, списки, словники, цикли, функції). Досвід із NumPy корисний, але не обов'язковий, а знати машинне навчання не потрібно зовсім. Встановлювати нічого не треба — pandas і NumPy уже є в середовищі виконання.
Які практичні завдання будуть?
53 практичні завдання з автоматичною перевіркою: ви пишете справжній код pandas у вбудованому редакторі, а програма перевіряє його на прихованих наборах даних — із пропусками, дублікатами, порожніми результатами та іншими крайніми випадками, які трапляються в реальній роботі. Кожен розділ завершує тест на розуміння. Наприкінці — підсумковий проєкт: ви очищаєте «брудну» вивантажку з CRM і перетворюєте її на матрицю ознак для моделі.
Які технології використовуються?
Python, pandas. Код пишете й запускаєте прямо в браузері на платформі — встановлювати нічого не потрібно.
Скільки модулів містить курс?
13 модулів: DataFrame і завантаження даних; Огляд набору даних; Вибір рядків і фільтрація; Пропущені значення; Типи, текст і дублікати; Дати й час; Перетворення й агрегація; Об'єднання таблиць; Кодування й масштабування; Від таблиці до моделі; Інженерія ознак; Викиди й відбір ознак; Підсумковий проєкт: від брудного файлу до моделі. Практичних завдань з автоматичною перевіркою — 60+, тестів — 13.
Як отримати доступ?
Залиште заявку на цій сторінці й завершіть реєстрацію в Telegram-боті Prog Academy — там ви отримаєте подальші інструкції щодо доступу. Навчання проходить на платформі my.prog.academy у власному темпі.
Чи входить курс у підписку?
Так. Курс входить у підписку на платформі Prog Academy: доступ до всіх курсів за підпискою; ai-помічник з навчання в кожному курсі; усі уроки, домашні завдання та автоматична перевірка; нові курси за підпискою додаються автоматично.
Не знайшли відповідь?
Залиште запитання — підкажемо, чи підходить вам курс і з чого краще почати.