Python
Самый популярный язык для старта: простой, мощный, универсальный
Научись писать программы на Python с нуля: от переменных и условий до функций, классов и работы с файлами. В каждом уроке ты запускаешь код прямо в браузере и сразу видишь результат. К концу курса ты сможешь самостоятельно создать небольшой, но настоящий проект.
- Начальный
- Средний
- Продвинутый
- Университет
- уроков
- 66
- модулей
- 16
- теста
- 22
- часа уроков
- 23,3
Содержание курса
Модулей: 16, уроков: 66. У каждого модуля свой уровень, уроки идут по порядку.
Основы Python
Напиши первую программу и познакомься с переменными, типами данных, арифметикой и строками.
- 1Что такое Python? Первая программаУзнай, что такое Python и где он применяется, и напиши первую программу с print().
- 2Переменные, типы данных и арифметикаХрани значения в переменных, познакомься с основными типами данных, выполняй вычисления и преобразуй типы.
- 3Строки и f-строкиНаучись работать с текстом: соединение, индексы, срезы, полезные методы и шаблоны с f-строками.
Условия и циклы
Научи программу принимать решения и повторять действия.
Структуры данных
Храни и обрабатывай много значений с помощью списков, кортежей, множеств и словарей.
- 6СпискиХрани много значений в одном списке: обращайся к элементам, добавляй, удаляй, сортируй и перебирай их в цикле.
- 7Кортежи и множестваНаучись использовать кортежи для неизменяемых данных, а множества, для наборов без повторов.
- 8СловариХрани данные парами «ключ: значение»: создавай словарь, изменяй его, перебирай в цикле и используй для подсчёта.
- 9Имена, ссылки и изменяемостьВ Python переменная, не коробка, а имя, привязанное к объекту: `id()`, `is` и `==`, изменяемые и неизменяемые типы, ловушки двух имён у одного объекта, поверхностная и глубокая копия с модулем `copy`, передача объектов в функции и ловушка изменяемого значения по умолчанию.
Функции и модули
Разбивай код на повторно используемые функции, применяй стандартную библиотеку и обрабатывай ошибки.
- 10ФункцииПиши собственные функции: параметры, возврат значений через return, значения по умолчанию и область видимости.
- 11Рекурсия: функции, которые вызывают сами себяКак функция решает задачу, вызывая себя для её меньшей части: базовый случай и рекурсивный шаг, стек вызовов и `RecursionError`, факториал, числа Фибоначчи, сумма цифр, рекурсивный двоичный поиск, вложенные списки и деревья папок, и когда лучше выбрать цикл или `lru_cache`.
- 12Модули и стандартная библиотекаПользуйся готовыми инструментами: import, модули math, random и datetime и другие полезные части стандартной библиотеки.
- 13Обработка ошибок: try и exceptНе дай программе аварийно завершиться: распознавай исключения, перехватывай их через try/except/else/finally и вызывай свои с помощью raise.
Продвинутый Python
Пиши краткий и выразительный код, создавай классы, работай с файлами и объедини всё в проекте.
- 14Генераторы списков и словарейСоздавай списки, словари и множества одной строкой: генераторы (comprehensions), условия-фильтры и выражения-генераторы.
- 15Объектно-ориентированное программирование: классы и объектыОбъединяй данные и поведение: классы, объекты, __init__, методы, self и наследование.
- 16Файлы и мини-проект: калькулятор оценокНаучись записывать данные в файлы и читать их, а затем объедини всё изученное в проекте «калькулятор оценок».
Python в деталях
Генераторы, декораторы, типизация, асинхронный код, тесты и секреты профессионального Python.
- 17Итераторы и генераторыКак на самом деле работает цикл `for`: протокол итерации, `__iter__`/`__next__`, генераторы с `yield`, ленивые вычисления, `yield from` и экономные по памяти конвейеры.
- 18Декораторы и замыканияФункции как объекты, правило LEGB, замыкания и `nonlocal`, собственные декораторы, декораторы с аргументами, `functools.wraps` и кэширование через `lru_cache`.
- 19Контекстные менеджеры и оператор withЧто на самом деле делает `with`: `__enter__` и `__exit__`, обработка исключений в `__exit__`, менеджеры на основе `contextlib.contextmanager` и готовые инструменты `suppress`, `redirect_stdout`, `ExitStack`.
- 20Аннотации типов и dataclassesТипы прямо в коде: `list[int]`, `int | None`, `Callable`, `Literal`, обобщённые типы и `Protocol`, проверка через mypy, а также `@dataclass`, `field`, `frozen`, `order` и `slots`.
- 21Продвинутое ООП: специальные методы, свойства и MROСделай свои классы похожими на встроенные типы: `__repr__`/`__str__`, `__eq__`/`__lt__`/`__hash__`, перегрузка операторов, протокол контейнеров, `@property`, методы класса и статические методы, MRO, `super()` и `abc.ABC`.
- 22Структурное сопоставление с образцом: match-case`match`/`case` из Python 3.10: литеральные, захватывающие и «любые» образцы, образцы последовательностей, словарей и классов, OR-образцы, `as` и условия-стражи, на примере разбора текстовых команд и диспетчера JSON-событий.
- 23Регулярные выражения: модуль reПоиск в тексте по шаблону: `re.search`, `findall`, `finditer`, классы символов и квантификаторы, группы и именованные группы, жадный и ленивый поиск, `sub`, `split`, флаги и `compile`.
- 24Асинхронный Python: async и awaitВыполняй задачи с ожиданием конкурентно: корутины, `await`, цикл событий, `asyncio.run`, `gather`, `create_task`, `TaskGroup`, тайм-ауты, `async for` и опасность блокировки цикла.
- 25Пакеты, модули и виртуальные окруженияОрганизуй проект профессионально: модули и пакеты, `__init__.py`, относительные импорты, `if __name__ == '__main__'`, `venv`, `pip`, `requirements.txt`, `pyproject.toml` и ограничения версий.
- 26Тестирование с pytestПиши автоматические тесты: как pytest находит тесты, переписывание `assert`, проверка исключений и дробных чисел, фикстуры, `tmp_path` и `parametrize`.
- 27Производительность, O-большое и модуль collectionsПиши быстрый код: нотация O-большое, сложность операций со списками, словарями и множествами, измерения через `timeit` и `cProfile`, `Counter`, `defaultdict`, `deque`, `namedtuple` и `itertools`.
Стандартная библиотека подробно
Готовые модули, которые идут вместе с Python: даты и время, часовые пояса и другие инструменты на каждый день.
- 28Дата и время: datetime и часовые поясаВычисления с `date`, `time`, `datetime` и `timedelta`, `strftime`/`strptime` и ISO 8601, «наивное» и «осведомлённое» время, хранение в UTC, Asia/Baku и другие пояса через `zoneinfo`, ловушки летнего времени, прибавление месяцев и подсчёт рабочих дней.
- 29Unicode, кодировки и bytesКодовые точки, `ord` и `chr`, разница между `str` и `bytes`, `encode`/`decode` в UTF-8, стратегии `errors=` и «кракозябры» (mojibake), нормализация NFC/NFD, ловушки регистра с `İ`/`ı` и `casefold`, `bytearray`, чтение файлов в правильной кодировке и BOM.
- 30Сортировка, bisect и heapq`sorted` и `list.sort`, функции `key` и `reverse`, устойчивость и сортировка по нескольким ключам, `itemgetter`/`attrgetter`, сортировка по азербайджанскому алфавиту, `bisect` для вставки в отсортированный список и подсчёта в диапазоне, `heapq` для топ-k, очереди с приоритетом и слияния, проект «таблица лидеров».
- 31Файлы конфигурации и переменные окруженияПеременные окружения через `os.environ` и значения по умолчанию, перевод строк в типы, файлы `.env` (свой разборщик и python-dotenv), INI через `configparser`, JSON и TOML через `tomllib`, приоритет «умолчания → файл → окружение → командная строка» и `ChainMap`, хранение секретов вне кода и репозитория.
Скрипты и инструменты командной строки
Журналирование (logging) для долго работающих скриптов, интерфейсы командной строки и запуск других программ.
- 32Файловая система: pathlib и shutilОбъекты `Path` и оператор `/`, части пути, поиск через `exists`, `iterdir`, `glob` и `rglob`, чтение и запись текста и байтов, `mkdir` и `stat`, копирование, перемещение, архивы и безопасное удаление через `shutil`, временные папки и проект «отчёт о папке».
- 33Логирование: модуль loggingПочему `print` недостаточно: уровни, `basicConfig` и форматы, логгеры, обработчики и форматтеры, иерархия логгеров и `getLogger(__name__)`, запись в файл и `RotatingFileHandler`, `logger.exception`, настройка через `dictConfig` и то, что нельзя писать в журнал.
- 34Приложения командной строки: argparse и click`sys.argv` и его ограничения; `argparse`: позиционные и именованные аргументы, типы, `choices`, значения по умолчанию, флаги, `nargs`/`count`/`append`, справка и ошибки, подкоманды, коды возврата и `main(argv)`; `click` с декораторами, группы и тесты через `CliRunner`.
Качество кода, тесты и упаковка
Тестовые двойники (mock) и надёжная проверка кода.
Веб и автоматизация
Файлы JSON и CSV, API, веб-сервис на FastAPI и скрипты, автоматизирующие рутину.
- 36Работа с JSON и CSVПревращай данные в текст и обратно модулем `json`, сохраняй азербайджанские буквы читаемыми с `ensure_ascii=False`, правильно читай и записывай таблицы модулем `csv` и работай с файлами через `pathlib`.
- 37Базы данных в Python: sqlite3Работа со стандартным модулем `sqlite3`: соединение и курсор, `CREATE`/`INSERT`/`SELECT`, параметры против SQL-инъекций, `executemany`, `row_factory`, транзакции и `with`, небольшое приложение-библиотека и первый взгляд на SQLAlchemy.
- 38Веб-API и библиотека requestsКак работает HTTP: методы, коды состояния, заголовки и JSON. GET- и POST-запросы через `requests`, `params`, `headers`, `timeout`, `raise_for_status`, обработка ошибок и безопасное хранение API-ключей.
- 39Pydantic: валидация данныхПроверка внешних данных с Pydantic v2: модели, мягкий и строгий режим, ограничения `Field`, `Annotated` и `Literal`, валидаторы полей и моделей, вложенные модели и JSON, псевдонимы, настройки через `pydantic-settings` и использование в FastAPI, с проектом проверки заявок.
- 40Веб-сервис на FastAPIСоздай небольшой REST API на FastAPI: параметры пути и запроса, проверка данных моделями Pydantic, ответы 201 и 404, автоматическая документация (`/docs`), запуск сервера на своём компьютере и тесты через `TestClient`.
- 41SQLAlchemy: базы данных через ORMБазы данных в стиле SQLAlchemy 2.0: Engine и транзакции, Core и ORM, декларативные модели, добавление, изменение и удаление через Session, запросы через `select()`, связи и проблема N+1, миграции с Alembic, на примерах с SQLite.
- 42Скрипты автоматизацииПоручи рутину Python: раскладывай файлы с помощью `pathlib` и `shutil`, находи старые файлы через `datetime`, делай интерфейс командной строки на `argparse`, веди журнал через `logging` и запускай скрипт по расписанию через cron или Планировщик заданий.
- 43Автоматизация Excel с openpyxlЧтение и запись файлов Excel на Python: книги, листы и ячейки, формулы и ловушка `data_only`, стили и числовые форматы, диаграммы, `read_excel` и `ExcelWriter` в pandas, с проектом, автоматизирующим недельный отчёт о продажах.
Веб-приложения на Flask и FastAPI
Сайты с серверным рендерингом на Flask и API промышленного уровня на FastAPI.
- 44Flask: первое веб-приложениеНебольшой многостраничный сайт на Flask: маршруты и переменные URL, параметры запроса, шаблоны Jinja2 и наследование, статические файлы, JSON-ответы, сервер разработки в режиме отладки и проверка страниц тестовым клиентом.
- 45Flask: формы, сессии и база данныхПриложение со списком дел на Flask: POST-формы и проверка ввода, Post/Redirect/Get и flash-сообщения, подписанные сессии и секретный ключ, одно подключение к SQLite на запрос, защита от SQL-инъекций и CSRF, blueprints.
- 46FastAPI: зависимости и база данных`Depends` и дерево зависимостей, одна сессия SQLAlchemy на запрос через зависимость с `yield`, CRUD со схемами Pydantic, коды состояния и `HTTPException`, роутеры, async и фоновые задачи, тесты с `TestClient` и временной базой.
Django
Фреймворк «батарейки в комплекте»: проекты, модели, админка и шаблоны.
- 47Django: проект, приложения и первая страницаDjango, фреймворк «батарейки в комплекте»: `startproject` и `startapp`, `settings.py`, структура MVT и путь запроса, URLconf и конвертеры пути, функции-представления, наследование шаблонов, `runserver`, тестовый `Client` и настройки безопасности для продакшена.
- 48Django: модели, миграции и админкаБлог с записями, комментариями и тегами: поля и параметры моделей, `makemigrations`/`migrate`, API QuerySet (filter, exclude, get, lookup-и, F и Q), связи ForeignKey и ManyToMany, N+1 и `select_related`, админка и Django shell.
Веб-скрейпинг и автоматизация браузера
Разбор HTML и вежливый сбор данных с сайтов по правилам.
Наука о данных: NumPy, pandas, matplotlib
Вычисления с массивами, анализ табличных данных, графики, статистика и машинное обучение в scikit-learn.
- 50Основы NumPy: массивыПознакомься с массивом NumPy (ndarray): тип и форма, создание массивов, воспроизводимые случайные числа, индексация, срезы, булевы маски и агрегация по осям.
- 51NumPy: векторизация и линейная алгебраЗаменяй циклы выражениями над массивами, освой правила broadcasting, меняй форму массивов и решай системы уравнений, находи определители и собственные значения с помощью `np.linalg`.
- 52Основы pandas: Series и DataFrameРаботай с табличными данными в pandas: Series и DataFrame, чтение CSV, `head`, `info`, `describe`, выбор через `loc` и `iloc`, фильтрация, сортировка и новые столбцы.
- 53Анализ данных в pandasГлавные инструменты для реальных данных: пропуски, `groupby` и `agg`, объединение таблиц через `merge`, `pivot_table`, `map` и `apply`, даты и мини-анализ продаж сети кафе.
- 54Визуализация в matplotlibСтрой линейные графики, столбчатые диаграммы, диаграммы рассеяния, гистограммы и подграфики, правильно подписывай оси, заголовки и легенды, выбирай число интервалов и изучи правила честной и понятной графики.
- 55Статистика на PythonОписательная статистика, выбросы, нормальное распределение и `scipy.stats`, центральная предельная теорема, доверительный интервал, t-тест и корреляция, с формулами, разобранными примерами и работающим кодом.
- 56Машинное обучение в scikit-learnЕдиный интерфейс scikit-learn: разбиение данных, линейная и логистическая регрессия, дерево решений, MSE, R², accuracy, матрица ошибок, precision и recall, кросс-валидация и конвейеры, защищающие от утечки данных.
Научные вычисления и обработка изображений
Численные методы в SciPy, точная математика в SymPy и обработка изображений в Pillow и OpenCV.
- 57Научные вычисления с SciPyГлавные инструменты SciPy на практике: поиск минимумов и корней (`optimize`), подбор модели по данным (`curve_fit`), определённые интегралы и дифференциальные уравнения (`integrate`), интерполяция, линейные системы и распределения вероятностей, с ручными проверками и мини-проектом про остывающий чай.
- 58SymPy: символьная математикаТочная математика с SymPy: символы и дроби, раскрытие скобок и разложение на множители, уравнения и неравенства через `solve` и `solveset`, производные, интегралы, пределы и ряд Тейлора, матрицы, графики и `lambdify`, с проектом полного исследования функции.
- 59Обработка изображений: Pillow и OpenCVИзображение, массив пикселей NumPy: координаты, каналы и формула серого; открытие, изменение размера, обрезка, рисование и сохранение в Pillow; BGR, цветовые пространства, размытие, порог, границы и контуры в OpenCV, с проектом подсчёта монет.
ИИ и глубокое обучение на PyTorch
От градиентного спуска к нейросетям: тензоры, autograd, обучение моделей, CNN и трансформеры.
- 60Основные понятия машинного обученияВиды машинного обучения, признаки и метки, разбиение данных, функции потерь, градиентный спуск, переобучение и компромисс смещения и дисперсии, с работающими примерами на NumPy.
- 61PyTorch: тензорыУстанови PyTorch и изучи его основной тип данных: создание тензоров, dtype и shape, reshape/view, индексация, транслирование (broadcasting), матричное умножение через @, GPU и связь с NumPy.
- 62PyTorch: autograd и автоматическое дифференцированиеКак PyTorch сам вычисляет производные: вычислительный граф, requires_grad, backward() и .grad, цепное правило, накопление градиентов, torch.no_grad() и градиентный спуск с autograd.
- 63PyTorch: построение нейронных сетейОт искусственного нейрона к многослойной сети: z = w·x + b, функции активации (ReLU, сигмоида, tanh, softmax), слои nn.Linear, nn.Module и nn.Sequential, прямой проход и число параметров.
- 64PyTorch: цикл обучения моделиDataset и DataLoader, функции потерь, оптимизаторы SGD и Adam, полный цикл обучения, режим eval и точность, сохранение модели через state_dict, на примере обучения небольшого классификатора на синтетических данных.
- 65Свёрточные нейронные сети (CNN)Изображения как тензоры (C × H × W), свёртка и формула размера выхода, фильтры, пулинг, небольшая CNN для изображений 28 × 28 с пошаговым разбором форм, MNIST в torchvision и перенос обучения.
- 66Трансформеры и большие языковые моделиТокены и эмбеддинги, самовнимание Attention(Q, K, V) = softmax(QKᵀ/√dₖ)·V, многоголовое внимание, позиционное кодирование, энкодер и декодер, обучение LLM предсказанием следующего токена, дообучение, Hugging Face и ответственный ИИ.
Другие предметы категории
Программирование15 предметов