Is this course really 100% online? Do I need to attend any classes in person?

This course is completely online, so there’s no need to show up to a classroom in person. You can access your lectures, readings and assignments anytime and anywhere via the web or your mobile device.

Can I just enroll in a single course?

Yes! To get started, click the course card that interests you and enroll. You can enroll and complete the course to earn a shareable certificate. When you subscribe to a course that is part of a Specialization, you’re automatically subscribed to the full Specialization. Visit your learner dashboard to track your progress.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Can I take the course for free?

No, you cannot take this course for free. When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. If you cannot afford the fee, you can apply for financial aid.

Spécialisation Data-Oriented Python Programming and Debugging

Profitez d'une croissance illimitée avec un an de Coursera Plus pour 199 $ (régulièrement 399 $). Économisez maintenant.

Ce spécialisation n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues. Consultez les langues disponibles.

Spécialisation Data-Oriented Python Programming and Debugging

Write and systematically debug Python code. Develop readable and reproducible Python code while investigating, manipulating, and analyzing real-world data using Python libraries.

Instructeurs : Anthony Whyte

1 649 déjà inscrits

Inclus avec

Série de 4 cours

Approfondissez votre connaissance d’un sujet

4.1

(11 avis)

niveau Intermédiaire

Expérience recommandée

4 mois à compléter

à 5 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Série de 4 cours

Approfondissez votre connaissance d’un sujet

4.1

(11 avis)

niveau Intermédiaire

Expérience recommandée

4 mois à compléter

à 5 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Ce que vous apprendrez

Effective use of modules, functions, and object methods in data-driven computing.
Competent independent debugging and self-help skills in Python.
Proficient programming with common data structures such as arrays and DataFrames using libraries like NumPy and pandas.

Compétences que vous acquerrez

Catégorie : Statistics
Catégorie : Statistical Programming
Catégorie : Descriptive Statistics
Catégorie : Exploratory Data Analysis
Catégorie : Program Development
Catégorie : Data Analysis
Catégorie : Numerical Analysis
Catégorie : NumPy
Catégorie : Data-oriented programming
Catégorie : Pandas (Python Package)
Catégorie : Critical Thinking
Catégorie : Debugging
Catégorie : Data Preprocessing

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Améliorez votre expertise en la matière

Acquérez des compétences recherchées auprès d’universités et d’experts du secteur
Maîtrisez un sujet ou un outil avec des projets pratiques
Développez une compréhension approfondie de concepts clés
Obtenez un certificat professionnel auprès de University of Michigan

Spécialisation - série de 4 cours

In “Data-Oriented Python Programming and Debugging,” you will develop Python debugging skills and learn best practices, helping you become a better data-oriented programmer. Courses in the series will explore how to write and debug code, as well as manipulate and analyze data using Python’s NumPy, pandas, and SciPy libraries. You’ll rely on the OILER framework – Orient, Investigate, Locate, Experiment, and Reflect – to systematically approach debugging and ensure your code is readable and reproducible, ensuring you produce high-quality code in all of your projects. The series concludes with a capstone project, where you’ll use these skills to debug and analyze a real-world data set, showcasing your skills in data manipulation, statistical analysis, and scientific computing.

Projet d'apprentissage appliqué

Perform Python debugging assignments on real data sets using Jupyter notebooks. Build your skills through debugging challenges and practice labs, using data sets from sports, weather, movies, and more. Complete a capstone project showcasing your skills as a data-oriented debugger using a transportation data set.

Python Debugging: A Systematic Approach

COURS 120 heures

Ce que vous apprendrez

Use Jupyter Notebook to implement basic Python workflows and constructs.
Apply the OILER framework for debugging many common Python bugs.
Use official Python documentation to enhance understanding of different programming formats.
Interpret Python error messages to resolve runtime execution issues.

Compétences que vous acquerrez

Catégorie : Debugging

Catégorie : Data Analysis

Catégorie : Data Manipulation

Catégorie : Program Development

Catégorie : Data-oriented programming

Catégorie : Python Programming

NumPy and Pandas Basics for Future Data Scientists

COURS 219 heures

Ce que vous apprendrez

Create and manipulate NumPy arrays, including performing basic arithmetic operations and handling missing data.
Apply advanced NumPy techniques such as broadcasting, masking, and aggregation functions.
Construct and modify pandas DataFrames and Series, use methods to filter and inspect data, and handle missing data.
Utilize pandas for data aggregation, summary statistics, and dataframe merging to analyze a real dataset.

Compétences que vous acquerrez

Catégorie : Numerical Analysis

Catégorie : Critical Thinking

Catégorie : Data Analysis

Catégorie : Data Preprocessing

Catégorie : Debugging

Statistics with Python Using NumPy, Pandas, and SciPy

COURS 319 heures

Ce que vous apprendrez

Use vector operations in NumPy for applied mathematics.
Visualize and analyze data distributions using NumPy and SciPy.
Use statistics to describe patterns in data distributions.
Conduct statistical inference using hypothesis testing with computational methods.

Compétences que vous acquerrez

Catégorie : Exploratory Data Analysis

Catégorie : Python Programming

Catégorie : Statistical Programming

Catégorie : Descriptive Statistics

Catégorie : Statistics

Catégorie : Data Analysis

Python Debugging Capstone Project: Fixing and Extending Code

COURS 415 heures

Ce que vous apprendrez

Independently debug a variety of code issues.
Interpret and implement evolving project requirements.
Import, clean, and manipulate data acquired from remote sources.
Deliver notebooks that can be read, run, and reproduced.

Compétences que vous acquerrez

Catégorie : Data Preprocessing

Catégorie : Data Analysis

Catégorie : Python Programming

Catégorie : Data Manipulation

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeurs

Anthony Whyte

University of Michigan

4 Cours3 159 apprenants

Offert par

University of Michigan

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’