Moderne Programme sind komplizierte Strukturen mit Hunderten bis Tausenden von Codezeilen, aber wie kommt man effizient von kleineren Programmen zu robusteren, komplizierten Programmen? Wie simulieren Datenwissenschaftler in ihren Programmen die Zufälligkeit von Problemen der realen Welt? Welche Techniken und bewährten Verfahren können Sie nutzen, um Software zu entwickeln, die große Datenmengen effizient verarbeiten kann? In diesem Kurs der Duke University lernen Python-Benutzer, wie man größere, multifunktionale Programme erstellt, die komplexere Aufgaben bewältigen können. Wir empfehlen nicht, dass dies der erste Python-Kurs ist, den Sie belegen, da wir eine ordentliche Menge an spezifischer Programmiersyntax behandeln werden. Wenn Sie jedoch über Grundkenntnisse der Algebra, der Python-Programmierung und der Pandas-Bibliothek verfügen, sollten Sie in der Lage sein, den Stoff dieses Kurses zu bewältigen. Im ersten Modul besprechen wir das Top-Down-Design für größere Programme, einschließlich der Programmiersyntax und der Techniken, die für das Zusammenfügen größerer Programme nützlich sind. In den folgenden Modulen gehen wir zur Diskussion von Monte-Carlo-Simulationen über und führen Sie in das Poker-Projekt ein, das größere Programm, das Sie am Ende des Kurses erstellen werden. Am Ende dieses Kurses sollten Sie in der Lage sein, ein Programmierproblem in überschaubare Teile zu zerlegen, die Grundlagen der Monte-Carlo-Methode zu erklären und kleinere Codeteile effizient in ein größeres, vollständiges Programm zu integrieren. Dies wird Sie darauf vorbereiten, den nächsten Schritt auf Ihrer Reise als Datenwissenschaftler zu machen und komplexe Programme zu erstellen, die reale Probleme kreativer simulieren können.

Entwurf größerer Python-Programme für die Datenwissenschaft
Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

Entwurf größerer Python-Programme für die Datenwissenschaft
Dieser Kurs ist Teil von Spezialisierung „Programmierung für Python Datenwissenschaft: Von den Prinzipien zur Praxis“



Dozenten: Genevieve M. Lipp
Bei enthalten
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Anfänger
Empfohlene Erfahrung
4 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Was Sie lernen werden
Planung der Programmdekomposition mit Hilfe des Top-Down-Designs.
Wie man einzelne Teile von Python Code in ein größeres, funktionelleres und komplexeres Programm integriert.
Kompetenzen, die Sie erwerben
- Kategorie: Computational Thinking
- Kategorie: Statistische Methoden
- Kategorie: Testfall
- Kategorie: Stichproben (Statistik)
- Kategorie: Grundsätze der Programmierung
- Kategorie: Bereinigung von Daten
- Kategorie: Software-Entwicklung
- Kategorie: Simulationen
- Kategorie: Software-Entwicklung
- Kategorie: Datenmanipulation
- Kategorie: Datenwissenschaft
- Kategorie: Fehlersuche
- Kategorie: Entwicklungstests
- Kategorie: Programm-Entwicklung
Werkzeuge, die Sie lernen werden
- Kategorie: Python-Programmierung
- Kategorie: Pandas (Python-Paket)
Wichtige Details

Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
1 Aufgabe
Unterrichtet in Englisch
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Erweitern Sie Ihre Fachkenntnisse
Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Programmierung für Python Datenwissenschaft: Von den Prinzipien zur Praxis“
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Mehr von Software-Entwicklung entdecken
Status: Kostenloser TestzeitraumDuke University
Status: VorschauUniversity of Leeds
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,





