Курс з аналітики даних: Від Excel до Python та Power BI

Що ви зможете після курсу

• Будувати складні формули та зведені таблиці в Excel, включно з ВПР, ГПР і умовним форматуванням
• Писати код на Python — від змінних і циклів до класів, успадкування та обробки винятків
• Обробляти масиви та таблиці даних бібліотеками NumPy і Pandas
• Складати SQL-запити для вибірки, агрегації та зміни даних у реляційних базах
• Читати й записувати дані у форматах CSV, JSON, Excel, HDF5 та базах SQLite, PostgreSQL, MongoDB
• Будувати звіт у Power BI зі зв’язками між таблицями за моделлю «Зірка» та зовнішніми джерелами даних

Кому підійде курс

Курс не підійде тим, хто шукає практику машинного навчання або розробку кластерних рішень для великих даних — ці теми курс лише позначає, не розбираючи з нуля.

Як проходить навчання

• Кожен новий урок починається з розбору домашнього завдання попереднього — Помилки в рішенні розбираються одразу, а не накопичуються до кінця курсу
• Матеріал закріплюється наскрізною практикою — від обліку співробітників в Excel до моделі логістики складу на Python — Ви застосовуєте інструмент на зв’язаній задачі, а не на розрізнених прикладах
• Майстер-клас з вирви продажів розбирає один наскрізний кейс від сирого журналу відвідувань до причини падіння конверсії — Ви бачите, як робота аналітика виглядає цілісно — від сирих даних до висновку
• Паралельно розбираються Excel, Python, SQL і Power BI — Ви опановуєте весь набір інструментів дата-аналітика, а не один із них
• Окремий блок розбирає типові способи маніпуляції цифрами в чужих звітах — Ви вмієте перевірити чужу статистику, а не лише будувати свою

Що знадобиться

• Excel будь-якої актуальної версії
• Python: дистрибутив Anaconda та редактор PyCharm Community — безкоштовно
• Power BI Desktop — безкоштовна версія

Чому самотужки зазвичай не виходить

Самостійно людина зазвичай опановує один інструмент — або Excel, або Python — і застряє на стику: дані лежать у базі, а звичні формули Excel з нею не працюють, або код на Python є, але немає SQL-запиту, щоб забрати з бази потрібні рядки.

Без структури важко зрозуміти, яка частина стеку взагалі потрібна: інструменти Big Data на кшталт Hadoop і Spark виглядають обов’язковими, хоча для більшості завдань дата-аналітика достатньо Excel, Python, SQL і Power BI, а робота з кластерами потрібна лише в окремих випадках.

Окрема складність — читати чужі звіти й презентації критично: маніпуляція середніми значеннями, масштабом графіка або відсотковими пунктами замість відсотків трапляється часто, і без розбору конкретних прийомів такі викривлення залишаються непомітними.

Що зміниться

Як влаштований шлях

1. Excel і дані Формули та функції — від найпростіших до вкладених умов, зведені таблиці та візуалізація — закладають базову роботу з таблицями даних.
2. Python з нуля Встановлення Anaconda і PyCharm, змінні, цикли, функції, класи та винятки доводяться до наскрізної практики — симуляції логістики складу.
3. SQL і сховища Запити SELECT, JOIN і групування розбираються на реляційних базах, а читання й запис даних — на форматах CSV, JSON, HDF5 та базах SQLite, PostgreSQL, MongoDB.
4. Статистика і звіт для замовника Розподіли, кореляції та довірчі інтервали, розбір маніпуляцій статистикою і збирання звіту в Power BI з моделлю «Зірка» завершують курс.

Програма курсу

183 уроки · 29 модулів · 33 години 19 хвилин відео · Увесь шлях — від таблиць Excel до звіту в Power BI — з практикою на кожному кроці.

• Професія дата-аналітика без прикрас 1 урок

  Розділ показує місце дата-аналітика серед суміжних професій — дата-інженера і фахівця з машинного навчання — і розбирає типові робочі завдання: вивантаження звіту, перевірку гіпотези, збір сегмента для рекламної кампанії.

  • Професія дата-аналітика та огляд курсу7:53

    Урок показує перехід від інтуїтивних рішень до підходу на основі даних і місце дата-аналітика серед суміжних професій обробки даних — збором даних займаються інженери, а складні задачі передаються фахівцям з машинного навчання. На прикладі підбору аудиторії для реклами розглядаються типові задачі аналітика: вивантаження звіту зі сховища, перевірка гіпотези, збір сегмента для рекламної кампанії. Перелічуються теми курсу: Excel, статистика та теорія ймовірностей, інтернет-аналітика, Python, SQL та Power BI.

• Як влаштовані дані, бази і дашборди 5 уроків

  Розділ вводить поняття даних, інформації та знань, розбирає будову реляційних і нереляційних баз, ETL та OLAP-куби, а також порівнює Tableau і Power BI як інструменти побудови дашбордів.

  • Вступ та основні поняття1:35

    Урок вводить поняття даних, інформації та знань і окреслює теми модуля: бази даних, файли, сховища та озера даних, а також дашборди.

  • Дані, їхні сховища та бази20:39

    Урок систематизує місця зберігання даних — від операційних систем і сховищ до баз даних — і розбирає будову реляційної моделі, ER-моделі, СУБД, OLAP-кубів та нереляційних сховищ.

  • Інструменти для роботи з базами даних5:55

    Урок порівнює Python і візуальні засоби доступу до баз даних за їхніми можливостями та обмеженнями і показує інтерфейс одного з візуальних інструментів на прикладі підключення та побудови ER-діаграми.

  • Неструктуровані дані та інструменти роботи з ними14:29

    Урок розбирає формати CSV і JSON для передавання даних між системами, типові помилки Excel під час імпорту CSV і критерії вибору інструменту — Excel, Python чи база даних — залежно від обсягу та регулярності завдання.

  • Дашборди6:02

    Урок пояснює відмінність дашборда від звичайного звіту і порівнює дві системи візуалізації даних — Tableau та Power BI — за можливостями, простотою освоєння та вартістю.

• Перші формули та функції Excel 2 уроки

  Розділ розбирає найпростіші формули та основні функції Excel — відправну точку для подальшої роботи з таблицями даних.

  • Найпростіші формули40:13

    Вводимо поняття формули як «чорної скриньки» із вхідними та вихідними значеннями на прикладі таблиці співробітників: базові арифметичні формули, автозаповнення, об’єднання тексту через амперсанд і різниця між відносними та абсолютними посиланнями на комірки.

  • Основні функції19:18

    Знайомимося з іменованими функціями Excel — СУМ, СЕРЗНАЧ, МІН і МАКС: як вставляти їх через «Автосуму» або вручну вказувати діапазон комірок, і як знаходити англійські еквіваленти українських назв формул.

• Функції ВПР, ГПР і ЯКЩО 5 уроків

  Розділ показує способи введення функцій через майстер функцій, функцію ВПР з інтервальним переглядом, функцію ГПР, умовну функцію ЯКЩО та текстові формули.

  • Способи введення функцій. Майстер функцій, функція ВПР30:37

    Три способи введення функцій в Excel — вручну, за категоріями та через майстер функцій — і різниця між копіюванням формули й копіюванням лише значення. Окремо розглядається функція ВПР: пошук значення за таблицею відповідності з точним збігом і закріпленням діапазону абсолютними посиланнями.

  • Функція ВПР з інтервальним переглядом10:40

    Функція ВПР з інтервальним переглядом: замість точного збігу формула підбирає значення за потраплянням числа в діапазон, наприклад під час розрахунку знижки за сумою купівель. Розглядається різниця з точним пошуком і помилка «немає даних», яка виникає за неправильного режиму.

  • Функція ГПР7:41

    Функція ГПР — горизонтальний аналог ВПР із тим самим набором аргументів, але пошуком по рядках, а не по стовпцях. На прикладі таблиці замовлень із шапкою зліва показано пошук даних за кодом замовлення із закріпленням діапазону абсолютними посиланнями.

  • Функція ЯКЩО7:16

    Умовна функція ЯКЩО, яка повертає одне з двох значень залежно від логічного виразу. На прикладі розрахунку премії за відпрацьованими годинами розглядається порядок аргументів: умова, значення за істини та значення за хиби.

  • Текстові формули17:35

    Текстові функції Excel для очищення та структурування даних: ЗЧИСТИТИ прибирає зайві пробіли, ПРОПНАЧ і ВЕЛИКІ приводять регістр літер до потрібного вигляду. Функції ПОШУК, ДЛСТР і ПРАВСИМВ застосовуються разом для поділу повного імені на прізвище та ім’я.

• Вкладені умови та підрахунок за маскою 5 уроків

  Розділ розбирає вкладені формули, комбінацію умов через функції І та АБО, підрахунок і суму за умовою, а також пошук за кількома умовами й масками.

  • Вкладені формули15:47

    Урок показує вкладені формули на прикладі ступінчастого розрахунку премії: одна функція ЯКЩО підставляється аргументом в іншу, що знімає потребу в допоміжних стовпцях. Правило нарахування премії ускладнюється до трьох ступенів залежно від відпрацьованого часу та стажу, а підсумкова формула об’єднує обидві перевірки в одну.

  • Комбінація кількох умов. Функція І13:15

    Урок присвячений логічній функції І: вона перевіряє істинність кількох умов одночасно і в парі з функцією ЯКЩО використовується для нарахування премії за двома критеріями — відпрацьованим часом і стажем. Показано прийом згортання вкладеної формули з допоміжних стовпців в одну.

  • Комбінація кількох умов. Функція АБО5:21

    Урок знайомить із логічною функцією АБО як альтернативою функції І: премія нараховується, якщо істинна хоча б одна з двох умов, а не обидві одночасно. Показано, як переносити готову формулу в іншу комірку через рядок формул без зсуву посилань на комірки.

  • Підрахунок і сума за умовою в Excel16:49

    Урок знайомить із функціями COUNTIF та SUMIF: підрахунок і підсумовування значень за текстовою або числовою умовою без ручного перерахунку чи фільтрування таблиці. Показано, що в критерії можна використовувати оператори порівняння в лапках, наприклад ">0" та ">=3".

  • Кілька умов і маски пошуку в Excel24:21

    Урок розбирає функції COUNTIFS та SUMIFS для підрахунку і підсумовування записів одразу за кількома умовами, на відміну від їхніх однокритеріальних версій. Також показано маски пошуку із зірочкою та знаком питання для пошуку за частиною тексту і за заданою довжиною збігу.

• Пошук, перевірка даних та іменовані діапазони 4 уроки

  Розділ показує пошук значення не в крайньому лівому стовпці, обробку помилок у формулах, інструмент «Перевірка даних» для розкривних списків і роботу з іменованими діапазонами.

  • Пошук значення не в крайньому лівому стовпці17:18

    Зв’язка функцій ПОШУКПОЗ та ІНДЕКС для зіставлення двох таблиць, коли стовпець зіставлення розташований не крайнім лівим і функція ВПР не застосовна. На прикладі таблиці замовлення та прайс-листа ПОШУКПОЗ знаходить номер рядка з потрібним артикулом, а ІНДЕКС за цим номером повертає ціну — формули об’єднуються у вкладену конструкцію, яка працює незалежно від положення стовпця пошуку.

  • Помилки у формулах, обробка17:55

    Функції ЯКЩОПОМИЛКА та ЄПОМИЛКА замінюють коди помилок Excel — ділення на нуль і відсутність даних під час пошуку ВПР — на зрозумілі значення у звітах. На прикладах розрахунку середньої вартості угоди та підстановки окладу за посадою показано, як задавати текст, прочерк або резервне значення за замовчуванням замість стандартної помилки.

  • Інструмент «Перевірка даних»10:04

    Інструмент «Перевірка даних» на вкладці «Дані» обмежує введення в комірку значеннями із заданого списку, що запобігає одруку та помилкам під час пошуку ВПР. Розібрано налаштування типу даних «Список» із джерелом-діапазоном, підказки та повідомлення про помилку, а також оновлення діапазону й формули ВПР при додаванні нових значень.

  • Іменовані діапазони15:11

    Іменовані діапазони — присвоєння імені комірці або групі комірок через вкладку «Формули» чи поле адреси — роблять формули наочнішими та позбавляють від фіксації посилань знаком долара під час протягування. Показано застосування у функціях СУМ та ВПР замість адрес комірок, а також роботу з диспетчером імен при зміні діапазону.

• Діаграми та умовне форматування в Excel 4 уроки

  Розділ розбирає фільтр і сортування за кольором, умовне форматування, зокрема за формулою, і побудову діаграм — від вибору типу й макета до оформлення окремого ряду даних.

  • Фільтр і сортування за кольором7:51

    Фільтрація і сортування за кольором заливки клітинок на прикладі таблиці товарів, розфарбованих за категоріями. Фільтр за кольором вмикається на вкладці «Дані» і залишає в таблиці лише записи потрібної заливки, а сортування за кольором групує рядки за кольорами.

  • Умовне форматування15:43

    Умовне форматування на вкладці «Головна»: автоматична заливка і зміна кольору шрифту клітинок за діапазоном значень, текстом, повторами і рангом, включно з користувацьким форматом, гістограмами і кольоровими шкалами. Диспетчер правил показує список умов і дозволяє їх редагувати або видаляти.

  • Умовне форматування за формулою9:23

    Умовне форматування за формулою, коли оформлення клітинки залежить від значення клітинки в іншому стовпці того самого рядка — через пункт «Використовувати формулу для визначення клітинок, що форматуються». Формула будується як логічний вираз і може порівнювати як текст, так і числа.

  • Макети і стилі діаграм23:42

    Побудова і налаштування діаграм за рядами даних: вибір типу діаграми на вкладці «Вставлення», зміна макета, легенди і кольорової палітри на вкладках «Конструктор» і «Формат». Додавання нового ряду через «Вибрати дані» і зміна типу відображення для окремого ряду на загальній діаграмі.

• Зведені таблиці, зрізи та зведені діаграми 4 уроки

  Розділ показує створення і фільтрацію зведених таблиць, додаткові та обчислювані поля, а також зрізи й зведені діаграми для наочного аналізу.

  • Створення, перетворення, фільтрація15:04

    Урок пояснює принцип зведених таблиць Excel: перенесення полів вихідного списку в області рядків, стовпців, значень і фільтрів перетворює розгорнуті записи на компактний звіт. Показано побудову таблиці з діапазону зі суцільною шапкою, налаштування числового формату значень через параметри поля та групування дат за роками й місяцями.

  • Фільтрація, форматування, додаткові поля11:39

    Урок показує перенесення полів в область фільтрів та в область стовпців для багаторівневого розбиття зведеної таблиці, а також форматування через вкладку «Конструктор» з готовими стилями та налаштуванням підсумків. Окремо розглянуто зміну способу агрегування даних — із суми на кількість або середнє.

  • Відсотки, обчислювані поля7:18

    Урок показує виведення відносних показників у зведеній таблиці через додаткові обчислення, на прикладі розрахунку частки продажів менеджера як відсотка від суми за рядком. Також розглядається створення обчислюваного поля з простою арифметичною формулою — на прикладі розрахунку премії як відсотка від суми продажів.

  • Зрізи, зведені діаграми8:03

    Урок закриває тему зведених таблиць інструментом «зріз» — панелями з кнопками для наочної фільтрації за кількома полями одразу, включно з вибором кількох значень одного поля через Ctrl. Показано побудову зведеної діаграми прямо за даними зведеної таблиці, яка змінюється разом із нею.

• Перші кроки в Python з нуля 13 уроків

  Розділ проводить через встановлення Anaconda і роботу в Jupyter Notebook і доводить до перших обчислень та змінних у Python — з розрахунком на людину без досвіду програмування.

  • Anaconda і Jupyter Notebook 6 уроків

    Розділ розбирає причини вибору Anaconda для Python, встановлення оточення на Windows і Mac та роботу в Jupyter Notebook — інтерфейс, комірки, розмітку тексту, формули та зображення.

    • Причини вибору Anaconda для Python3:03

      Урок пояснює, чому для встановлення Python обрано дистрибутив Anaconda: проста інсталяція без спеціальних навичок, готові середовища Jupyter Notebook і Jupyter Lab, а також одразу включені бібліотеки NumPy, Pandas і SciPy для аналізу даних.

    • Встановлення середовища для Windows3:40

      Покрокове встановлення Anaconda на Windows: завантаження графічного інсталятора, проходження майстра встановлення і пошук встановлених Jupyter Notebook та Anaconda Command Prompt через меню «Пуск» або Anaconda Navigator.

    • Встановлення Anaconda і запуск Navigator на Mac2:33

      Встановлення Anaconda на macOS: завантаження графічного інсталятора у форматі pkg, проходження майстра встановлення і пошук Anaconda Navigator через Launchpad, звідки запускається Jupyter Notebook.

    • Jupyter Notebook – інтерфейс4:18

      Розбір інтерфейсу Jupyter Notebook: запуск середовища через Anaconda Navigator, створення нового блокнота з файлом формату ipynb, а також призначення пунктів меню File і Edit для роботи з документом і комірками.

    • Jupyter Notebook – комірки і розмітка тексту11:09

      Робота з комірками Jupyter Notebook: введення і запуск коду, перемикання комірок між типами Code, Markdown і Raw NBConvert, а також базова розмітка Markdown — заголовки, курсив, напівжирний текст, списки і посилання.

    • Jupyter Notebook – формули, зображення, робота в меню10:10

      Додавання формул у розмітці LaTeX і зображень у комірки Markdown, а також призначення пунктів меню Cell і Kernel для керування виконанням і вкладки Help з гарячими клавішами та посиланнями на документацію бібліотек.

  • Обчислення і змінні в Python 7 уроків

    Розділ показує базові обчислення та операції з числами в Python, а також створення, зміну і перетворення типів змінних.

    • Python – базові обчислення5:09

      Базові арифметичні операції в Python: додавання, множення і ділення, яке завжди повертає число з рухомою комою, цілочисельне ділення оператором подвійного слеша і піднесення до степеня оператором із двох зірочок.

    • Python – операції з числами. Частина 17:15

      Робота з вбудованим модулем math: імпорт модуля цілком або окремими функціями, обчислення квадратного кореня і логарифмів, а також округлення чисел функціями floor і ceil.

    • Python – операції з числами. Частина 210:28

      Обчислення факторіала функцією factorial, експоненційний запис дуже малих і дуже великих чисел, а також особливості округлення функцією round, які пояснюються через модуль decimal.

    • Змінні в Python – створення і зміна11:43

      Створення і зміна змінних у Python: присвоєння значень, виведення через функцію print з роздільником sep і оновлення значення змінної переприсвоєнням або скороченим записом на кшталт h += 1.

    • Змінні в Python – типи значень і змінних6:39

      Чотири базові типи змінних у Python — integer, float, string і boolean — і перевірка типу змінної вбудованою функцією type() на прикладах зросту, статі, імені та віку.

    • Змінні в Python – перетворення типів. Частина 19:00

      Перетворення значень між типами на прикладі задачі про купівлю: округлення результату ділення до цілого функцією int() і приведення введеного функцією input() тексту до числа для подальшого порівняння.

    • Змінні в Python – перетворення типів. Частина 29:06

      Порівняння чисел, перетворення введених з клавіатури дробових значень функцією float() на прикладі розрахунку середнього рейтингу і визначення поточної робочої папки функцією getcwd() із модуля os.

• PyCharm: встановлення і налаштування проєкту 5 уроків

  Розділ показує встановлення PyCharm на Windows і Linux, налаштування та перший запуск проєкту, роботу з проєктами й оптимізацію редактора.

  • Встановлення PyCharm на Windows14:07

    Встановлення PyCharm Community на Windows: завантаження дистрибутива, увімкнення JRE під час встановлення та створення першого проекту із системним інтерпретатором Python. Розглядається запуск індексації пакетів і перший запуск програми Hello World.

  • Налаштування проекту і перший запуск PyCharm6:32

    Встановлення PyCharm Community на Mac OS: перенесення застосунку з образу до папки Applications, первинні налаштування під час запуску та створення проекту з вибором системного інтерпретатора Python. Показано запуск першої програми після індексації системних бібліотек.

  • Встановлення PyCharm на Linux6:26

    Встановлення PyCharm Community на Linux: завантаження і розпакування архіву, перевірка наявності OpenJDK та запуск програми через виконуваний скрипт у терміналі. Розглядаються первинні налаштування і створення проекту із системним інтерпретатором Python.

  • Проекти в PyCharm5:30

    Огляд інтерфейсу PyCharm: панель проекту, розділ External Libraries з вихідним кодом стандартних бібліотек, кнопки звичайного запуску та запуску в режимі налагодження. Розглядається вбудована Python-консоль і зберігання налаштувань у папці .idea проекту та в системній папці програми.

  • Оптимізація PyCharm4:14

    Зниження споживання оперативної пам’яті PyCharm через Custom VM Options: створення локального конфігураційного файлу та зміна параметрів віртуальної машини Java. Розглядається підбір безпечних значень максимального розміру купи та Reserved Code Cache Size.

• Умови, цикли та функції в Python 15 уроків

  Розділ розбирає потік виконання програми, умовний оператор, цикли while і for та перші функції — з оформленням коду за загальноприйнятим стилем.

  • Умовний оператор if і стиль коду 6 уроків

    Розділ пояснює потік виконання програми, роботу оператора if і те, як інтерпретатор показує змінні, а також стиль оформлення коду.

    • Потік виконання програми9:06

      Розбираємо потік виконання програми на прикладі режиму відлагодження PyCharm: ставимо точку зупину, проходимо код порядково через Step Over і дивимось, як у панелі Variables змінюються значення змінних. Заразом знайомимось зі стеком викликів у вкладці Frames та виведенням програми у вкладці Console.

    • Як інтерпретатор показує змінні5:06

      На прикладі розрахунку зросту членів родини дивимось, як інтерпретатор створює об’єкти та присвоює значення змінним, розбираємо оператор += і вчимось читати у відлагоджувачі складні структури на кшталт списку списків. Окремо показуємо функцію Evaluate — обчислення довільних виразів із поточними значеннями змінних просто під час відлагодження.

    • Умовний оператор17:51

      Розбираємо умовний оператор if, оператори порівняння та логічні and, or, not, а також потрійне порівняння і неявне приведення значень до істини чи хиби. Вчимось будувати множинний вибір через ланцюжок if-elif-else і порівнювати значення одного типу.

    • Як працює оператор if7:51

      На наочній анімації розбираємо, як інтерпретатор перевіряє умови по порядку в конструкції if-elif-else і заходить лише в ту гілку, де умова істинна. Показуємо випадок точного порівняння на рівність і перехід до else, якщо жодна умова не збіглася.

    • Стиль коду. Частина 120:32

      Розбираємо правила оформлення коду за стандартом PEP8: відступи в 4 пробіли, оператор pass, обмеження довжини рядка та автоформатування в PyCharm. Обговорюємо, чому читабельність коду важливіша за швидкість його написання.

    • Стиль коду. Частина 215:47

      Продовжуємо тему стилю коду: розбираємо правила PEP8 щодо іменування змінних, регістр літер для різних випадків та інструмент PyCharm Refactor → Rename для перейменування в усьому коді. Обговорюємо, чому варто уникати однолітерних імен і чому списки краще називати в множині.

  • Цикли while і for 4 уроки

    Розділ розбирає цикли while і for, перебір елементів списку та корисні функції, які застосовуються всередині циклу.

    • Цикл while24:22

      Розбираємо синтаксис циклу while і покрокову роботу змінної циклу у відлагоджувачі на прикладі послідовності Фібоначчі. Вчимось керувати завершенням циклу операторами break, continue та else і уникати нескінченних циклів.

    • Цикл for14:37

      Розбираємо синтаксис циклу for для перебору списків, рядків, словників і множин на прикладі списку тварин зоопарку. Вчимось керувати його виконанням через break, continue та else.

    • Елементи списку4:26

      Розбираємо розпакування кортежів під час перебору списку кортежів у циклі for: як задати одразу кілька змінних циклу замість однієї. Дивимось, до яких помилок ValueError призводить розбіжність кількості змінних і значень у кортежі.

    • Корисні функції в циклі20:59

      Розбираємо вбудовані функції enumerate і range для організації циклів, перебір рядків і вкладених циклів, а також способи отримати зі словника ключі, значення або пари через items() і values(). Окремо розглядаємо зрізи списків і різницю між перебором списків через range(len()) і напряму.

  • Перші функції в Python 5 уроків

    Розділ показує визначення і виклик функції через def, передавання параметра, оператор return та документування функції з урахуванням динамічної типізації Python.

    • Визначення та виклик функції через def4:13

      Вводимо поняття функції як блоку коду для повторного використання та принцип DRY (don’t repeat yourself). Розбираємо синтаксис визначення функції через def і її виклик на прикладі багаторазового повторення дії в циклі for.

    • Функція з параметром3:54

      Розбираємо визначення та виклик функцій із параметрами: як називати параметри за змістом, де розміщувати оголошення функції в коді та як передавати аргументи позиційним способом. Показуємо, як змінна циклу передається в параметр функції під час виклику всередині циклу.

    • Функція return10:01

      Розбираємо повернення значення з функції через return, поведінку функції без return і повернення кількох значень кортежем із подальшим розпакуванням. Знайомимось із режимами відлагоджувача Step Over і Step Into для покрокового проходу по функції.

    • Документування функції4:01

      Розбираємо, як оформити рядок документації (docstring) першим рядком тіла функції та отримати її через атрибут __doc__ або вбудовану функцію help(). Показуємо це на прикладі IPython та вбудованої функції print.

    • Динамічна типізація12:55

      Розбираємо динамічну типізацію: функція не знає заздалегідь тип параметрів, тому операції можуть завершитися помилкою TypeError, а захиститися допомагає перевірка типу через isinstance. Показуємо різницю змінних (мутабельних) і незмінних об’єктів і як список, переданий за посиланням, змінюється всередині функції.

• Параметри функцій, рекурсія та вбудовані функції 9 уроків

  Розділ розбирає простір імен, способи виклику функції за замовчуванням, розпакування та довільну кількість параметрів, рекурсію і вбудовані функції Python.

  • Простір імен22:56

    Урок пояснює поняття простору імен у Python: як створюються і зникають локальні змінні функцій, чим локальний простір відрізняється від глобального та які помилки виникають при зверненні до недоступних імен. Розглядаються затінення змінних, робота змінних в умовних блоках і циклах, а також прийом із присвоєнням None для уникнення помилок.

  • Способи виклику функції за замовчуванням12:23

    Урок розбирає способи виклику функцій — позиційний, іменований та їх поєднання, включно з вимогою обов’язкової іменованості через зірочку. Розглядаються типові помилки при неправильному порядку чи кількості аргументів, а також використання констант замість глобальних змінних.

  • Розпакування параметрів10:11

    Урок показує розпакування списків і словників при виклику функції через * та ** для підстановки значень у позиційні та іменовані параметри. Розглядаються спільне використання обох способів, часткове розпакування та обмеження цього прийому, що призводять до помилок.

  • Параметри виклику функції за замовчуванням14:07

    Урок розбирає параметри функції за замовчуванням: синтаксис задання та момент їх обчислення. Показано типову помилку зі змінюваними значеннями за замовчуванням, яка призводить до накопичення даних між викликами, і безпечний прийом із None для її уникнення.

  • Довільна кількість параметрів19:33

    Урок пояснює механізм довільної кількості параметрів функції через *args і **kwargs: збір позиційних аргументів у tuple, іменованих — у словник, та обернену операцію — розпакування при виклику. Показано комбіновану сигнатуру функції з обов’язковими, довільними та параметрами за замовчуванням.

  • Рекурсія13:15

    Урок пояснює поняття рекурсії на прикладі обчислення факторіала через самовиклик функції, показує роботу стека викликів у відладчику та обмеження за глибиною рекурсії через витрати пам’яті. Розглядається застосування рекурсії для обходу деревоподібних структур, таких як HTML DOM.

  • HTML DOM7:42

    Урок показує, як розібрати HTML-документ у вигляді вкладених словників (HTML DOM) і знайти потрібний елемент рекурсивною функцією, яка обходить дерево та припиняє пошук, щойно елемент знайдено. Використовуються перевірка isinstance та оператор break для завершення перебору.

  • Вбудовані функції. Частина 119:37

    Урок розбирає групу вбудованих функцій Python: перетворення між типами даних (int, float, bool, str, list, tuple, dict, set) та функції для роботи зі списками — len, max, min, sum, sorted і zip.

  • Вбудовані функції. Частина 222:48

    Урок продовжує розбір вбудованих функцій: логічні all і any, засоби інтроспекції dir, help, id, is та isinstance, а також хеш-функція і відкриття файлів через open.

• Майстер-клас: вирва продажів на реальних даних 5 уроків

  Розділ вводить поняття конверсії та розбирає наскрізний кейс — від сирого журналу відвідувань сайту (клікстріму) до визначення причини падіння конверсії за місяцями та типом пристрою.

  • Знайомство із завданням, поняття «конверсії»3:16

    Розглядається шлях відвідувача інтернет-магазину від головної сторінки до підтвердження оплати і вводиться поняття конверсії — частки відвідувачів, які дійшли до цільової дії. Практичне завдання — розрахувати відсоток конверсії відвідувачів у покупців за числами на різних етапах воронки.

  • ClickStream і воронка2:41

    Пояснюється візуалізація конверсії у вигляді воронки і вводиться поняття кліксстріму — журналу відвідувань сторінок користувачами, на основі якого будується воронка. Завдання — доповнити код обробки файлу кліксстріму, щоб отримати числа відвідувачів за етапами воронки.

  • Еволюція воронки з часом2:58

    Розглядається код підрахунку відвідувань за типами сторінок для побудови воронки і показується, що порівнювати воронки потрібно у відсотках від першого кроку, а не в абсолютних числах. Завдання — побудувати окрему воронку для кожного місяця з набору даних і порівняти їхню динаміку.

  • Еволюція воронки з часом. Розбір практики4:44

    Розглядаються результати воронки за місяцями: показується зниження конверсії на всіх етапах і локалізується момент погіршення, для порівняння використовуються відсотки від першого кроку, а не абсолютні числа. Завдання — за даними про тип пристрою (десктоп чи мобільний) визначити, чи сталося погіршення воронки на одному типі пристрою, чи на обох.

  • Деталізація воронки за типом пристрою2:30

    Порівнюються воронки для мобільних і десктопних відвідувачів і показується, що сайт був зламаний на обох типах пристроїв, але в різних місцях воронки: на мобільних проблема в пошуку, на десктопі — на переході до оплати. Деталізація за типом пристрою допомагає точніше вказати, яка ділянка коду могла зламатися під час оновлення сайту.

• Об’єктно-орієнтоване програмування на Python 20 уроків

  Розділ доводить Python до класів, успадкування та перевантаження операторів і закріплюється наскрізною практикою — симуляцією логістики складу з вантажівками та навантажувачами.

  • Класи, об’єкти та їхні атрибути 7 уроків

    Розділ вводить поняття об’єкта і класу, атрибути та методи, спеціальні методи класів, перевантаження операторів і відмінність атрибутів класу та екземпляра.

    • Поняття об’єкта та його класу19:10

      Урок вводить об’єктно-орієнтований підхід у Python: розбирається різниця між класом і об’єктом, між атрибутами та методами. На прикладі класу Toyota та класу робота показано визначення класу, створення екземпляра та роботу конструктора __init__ з параметром self.

    • Атрибути та методи об’єкта12:05

      Урок розбирає різницю між атрибутами та методами об’єкта, показує динамічне додавання і видалення атрибутів через оператор del. Розглядаються функції hasattr, getattr, setattr та delattr для перевірки, читання, встановлення і видалення атрибута за іменем.

    • Вказівник на власний об’єкт у методах8:25

      Урок пояснює призначення параметра self як посилання на конкретний екземпляр класу, з яким працює метод. На прикладі класу рюкзака показано різницю між викликом методу через об’єкт (зв’язаний метод) і через клас (незв’язаний метод, де self потрібно передавати вручну).

    • Спеціальні методи класів23:39

      Урок розбирає спеціальні методи класу — __init__, __del__, __str__, __len__, __hash__ та __bool__, які інтерпретатор викликає автоматично в певні моменти життя об’єкта. На прикладі класу рюкзака показано налаштування атрибутів, звільнення об’єкта збирачем сміття та перевизначення виводу об’єкта функцією print.

    • Перевантаження операторів22:29

      Урок показує, як спеціальні методи __eq__, __add__, __iadd__ та __call__ дозволяють перевизначати для об’єктів порівняння, додавання, розширене присвоєння та виклик об’єкта як функції. Розбираються приклади на класах рюкзаків, хліба та ковбаси, а також об’єктів-множників.

    • Відмінність атрибутів класу та екземпляра8:35

      Урок пояснює різницю між атрибутами класу та атрибутами екземпляра на прикладі підрахунку кількості створених об’єктів через спільний атрибут класу замість глобальної змінної. Показано, що атрибутом класу може бути будь-який обчислюваний вираз, а значення доступні як через self, так і через ім’я класу.

    • Простір імен класу12:41

      Урок пояснює простір імен класу та порядок пошуку атрибута — спершу в об’єкта, потім у класу, — а також перекриття атрибута класу однойменним атрибутом об’єкта. Розбирається типова помилка початківців при спробі збільшити спільний лічильник класу через self і правильний спосіб звернення до змінної класу через її ім’я.

  • Практика: класи «Людина» і «Дім» 3 уроки

    Розділ закріплює класи на моделі життя персонажа «Людина» та дому з кількома мешканцями, а також показує роботу з історією комітів у Git.

    • Клас «Людина»: модель життя27:11

      Практика зі створення класу «людина» з атрибутами ситості, їжі та грошей, методами прийому їжі та циклом дій за днями — робота, їжа або гра з випадковим вибором. Показано прийоми PyCharm — безпечне перейменування змінних, автоформатування коду за PEP 8 та кольоровий вивід у консоль через пакет termcolor.

    • Будинок із кількома мешканцями32:24

      Практика об’єднує кількох персонажів у спільний клас будинку зі спільними грошима та їжею; персонажі зберігаються списком, а їхні методи звертаються до атрибутів об’єкта будинку напряму. Показано різницю між текстовою заміною та безпечним рефакторингом перейменування, а також користь частих комітів у git для скасування змін.

    • Робота з історією комітів у Git35:03

      Урок розбирає інструменти Git у PyCharm — перегляд історії комітів, тимчасове збереження правок через стеш, стан detached HEAD та скасування змін через revert і reset із різними режимами. Наприкінці дано домашні завдання на класи: симуляція снігопаду, консольна гра-алхімія та доопрацювання класу кота.

  • Успадкування і множинне успадкування 7 уроків

    Розділ розбирає базовий клас і порядок пошуку атрибутів, доступ до властивостей батьківського класу та їх перевизначення, метод super і множинне успадкування з гнучкими конструкторами.

    • Базовий клас і порядок пошуку атрибутів19:22

      Урок пояснює успадкування класів: спільні атрибути та методи виносяться до базового класу, а дочірні класи успадковують їх і перевизначають під свою специфіку — на прикладах класів тварин і літаючих об’єктів. Показано порядок пошуку атрибута по ланцюжку успадкування та атрибут self.__class__.__name__, що повертає ім’я реального класу об’єкта.

    • Доступ до властивостей батьківського класу5:34

      Урок показує, що атрибути батьківського класу з подвійним підкресленням на початку імені недоступні дочірньому класу напряму через механізм інкапсуляції — інтерпретатор змінює ім’я такого атрибута, — тоді як атрибути без підкреслення та з одним підкресленням успадковуються вільно.

    • Перевизначення властивостей і методів батьківського класу8:37

      Урок пояснює перевизначення атрибутів і методів у дочірніх класах на прикладах класів тварин і роботів: як задаються власні значення атрибутів і як однойменний метод нащадка повністю перекриває метод батька. Показано порядок пошуку значення атрибута за рівнями — від об’єкта до класу і далі до базового класу.

    • Метод Super12:04

      Урок показує роботу методу super для доповнення поведінки батьківського класу: спершу викликається реалізація конструктора чи методу з базового класу, потім додається власна логіка нащадка. Розбираються приклади на класах роботів-пилососів, військових і підводних роботів.

    • Множинне успадкування15:08

      Урок розкриває множинне успадкування — об’єднання поведінки кількох базових класів в одному, на прикладах класів «працівник»/«батько» і роботів-дронів. Показано, як порядок перелічення базових класів впливає на пошук методу, і розібрано порядок розв’язання методів (MRO) на ромбоподібній структурі успадкування.

    • Гнучкі конструктори при множинному успадкуванні8:29

      Урок пояснює, що всі класи Python неявно успадковуються від вбудованого класу object, через що структура з кількома батьками утворює ромбоподібну ієрархію. Показано прийом *args і **kwargs для конструкторів, не залежних від порядку батьківських класів, і комбінування поведінки через super по ланцюжку MRO.

    • Трохи розумних слів5:03

      Урок вводить термінологію об’єктно-орієнтованого програмування — клас, екземпляр, змінна класу та змінна екземпляра, метод, успадкування, перевантаження функцій і операторів. Названо чотири принципи ООП: абстракція, успадкування, інкапсуляція та поліморфізм.

  • Практика: модель доставки вантажів 3 уроки

    Розділ закріплює успадкування класів на моделі доставки вантажів — з налагодженням і додаванням статистики в модель перевезень.

    • Успадкування класів на моделі доставки26:04

      Практика будує модель логістики на класах і успадкуванні: базовий клас техніки зі спільним атрибутом витрати пального, похідні класи вантажівки та навантажувача, а також склади і дороги, що взаємодіють за годинами симуляції. Конструктори дочірніх класів викликають конструктор базового через super(), а метод act() визначає дію об’єкта в поточну годину.

    • Налагодження моделі доставки вантажів30:15

      Практика продовжує попередню модель: реалізуються вхідна та вихідна черги вантажівок на складі, облік витрати пального та відлагодження через точки зупину в PyCharm. Після виправлення знайдених помилок модель повного циклу перевезення відпрацьовує без збоїв.

    • Успадкування та статистика в моделі перевезень22:03

      Урок продовжує практику: загальна перевірка пального виноситься в базовий клас і перевизначається в нащадках через super(), додаються змінні класу для сумарної витрати пального та обліку часу простою. Розбирається помилка, що виникає при збільшенні кількості машин, коли склад віддає вантажу більше, ніж на ньому є, і створюється підклас вантажівки з іншими параметрами.

• Обробка і створення винятків 7 уроків

  Розділ розбирає види стандартних помилок, обробку винятків через try/except, винятки в контекстному менеджері та створення власних класів винятків оператором raise.

  • Поняття, види стандартних помилок5:13

    Розбираємо різницю між синтаксичною помилкою та винятковою ситуацією, яка виникає під час роботи коду. На прикладах ZeroDivisionError, NameError і TypeError дивимось, як винятки утворюють спільну ієрархію класів і як неперехоплена помилка виводиться в консоль разом із місцем її виникнення.

  • Обробка винятків34:03

    Вивчаємо синтаксис try/except/else/finally для перехоплення помилок: як ловити конкретні класи винятків, звертатися до об’єкта помилки та прокидати необроблені винятки по стеку викликів функцій. На зведеному прикладі розбираємо читання числа з файлу з роздільною обробкою різних помилок.

  • Винятки в контекстному менеджері6:36

    Дивимось, як винятки обробляються всередині контекстного менеджера через метод __exit__, який отримує тип, значення і трасування помилки. Розбираємо, як результат __exit__ визначає, погасити виняток чи прокинути його далі по стеку викликів.

  • Створення винятків12:23

    Розбираємо оператор raise: як навмисно створювати виняток, прокидати спійману помилку далі без змін і пов’язувати нову помилку з попередньою всередині except. Вчимося створювати власні класи винятків, успадковані від Exception, з додатковими полями даних.

  • Приклади роботи з винятками сторонніх модулів5:21

    На прикладах Requests, Django і Pygame дивимось, що сторонні бібліотеки визначають власні класи винятків: ConnectionError при збої з’єднання, Модель.DoesNotExist за відсутності запису в базі, Error при невдалому завантаженні ресурсу. Розбираємо, як перехоплення таких помилок допомагає програмі коректно реагувати на збій конкретного інструменту.

  • Клас Warning7:56

    Розбираємо клас попереджень Warning: як модуль warnings виводить повідомлення про потенційну проблему через функцію warn, не перериваючи виконання програми. Дивимось категорії попереджень на кшталт DeprecationWarning і фільтри error, ignore, module та once, що керують їх виведенням.

  • Практика — винятки23:47

    Практика на реальному файлі даних: читаємо порядково арифметичні вирази, обчислюємо результат і підсумовуємо, огортаючи обчислення рядка в try-except, щоб ValueError на побитих даних не зупиняв обробку інших рядків. Розбираємо деталізацію причини помилки через args і принцип відокремлення основного алгоритму від логування помилок.

• NumPy: масиви та операції над ними 7 уроків

  Розділ вводить структуру ndarray, базові операції та обчислення з масивами, їх створення і роботу з умовами та булевими масивами.

  • Основні ідеї NumPy6:53

    Знайомство з бібліотекою NumPy: чим бібліотека відрізняється від модуля, як її імпортувати і як виконувати базові обчислення на кшталт квадратного кореня та логарифма. Розглядається різниця між середнім арифметичним і медіаною на прикладі набору зарплат, де одне різко велике значення спотворює середнє.

  • Ndarray – базова концепція11:04

    Вивчення ndarray — базової структури NumPy для зберігання однотипних даних: створення одно-, дво- та тривимірних масивів зі списків. Розглядаються правила приведення типів при змішуванні чисел і рядків та вимога однакової довжини вкладених списків.

  • Ndarray – операції8:08

    Поелементні арифметичні операції над масивами NumPy — множення, додавання та ділення без циклів — на прикладах явки на дільницях і доходу репетиторів. Показано відмінність цих операцій від роботи зі звичайними списками Python, де множення або піднесення до степеня дають інший результат чи помилку.

  • Базові операції над масивами12:31

    Атрибути двовимірного масиву NumPy — кількість вимірів ndim, форма shape і розмір size — на прикладі турнірних місць шахістів. Звернення до елементів за індексами та зрізами, включно з частковими межами та кроком, зокрема від’ємним, що розвертає масив.

  • Обчислення з масивами11:12

    Методи min, max і mean для пошуку мінімуму, максимуму та середнього значення масиву, а також argmax і argmin для визначення індексу екстремуму — на прикладі оцінок школярів. Для двовимірного масиву показано усереднення за рядками та стовпцями через параметр axis.

  • Створення масивів8:19

    Способи створення масивів NumPy: із готового списку функцією array, діапазоном значень із заданим, зокрема дробовим, кроком через arange. Готові функції zeros, ones та eye для матриць із нулів, одиниць та одиничної матриці з одиницями на головній діагоналі.

  • Умови та булеві масиви15:44

    Застосування операторів порівняння до масиву NumPy з отриманням булевого масиву true/false та об’єднання кількох умов операторами І та АБО з обов’язковими дужками навколо кожної умови. Підрахунок кількості елементів, що задовольняють умову, методом sum і відбір самих елементів за умовою у квадратних дужках.

• NumPy: зміна та структурування масивів 6 уроків

  Розділ показує зміну розмірності та вмісту списків, створення нових масивів на основі старих, структуровані масиви та читання-запис даних NumPy.

  • Зміна розмірності списків8:43

    Розбираємо методи reshape і transpose для зміни форми та розмірності масивів NumPy, а також ravel і flatten для зведення багатовимірного масиву назад до одновимірного. Окремо розглядаємо обмеження reshape: нова форма має зберігати вихідну кількість елементів, інакше Python видає помилку ValueError.

  • Зміна списків12:09

    Показуємо зміну елемента масиву за індексом і розбираємо пастку простого присвоєння: воно створює не копію, а посилання на той самий масив, тому зміна через нього змінює і вихідний об’єкт. Вчимося отримувати незалежну копію методом copy або повним зрізом, а також замінювати кілька елементів одразу через зріз.

  • Створення нових списків на основі старих16:17

    Створюємо новий масив логарифмованих значень функцією np.log, щоб зменшити розкид даних, і будуємо точковий графік у Matplotlib для порівняння вихідних і логарифмованих значень. Для звичайних списків Python, які не підтримують поелементні операції, використовуємо list comprehension.

  • Додаткові концепції NumPy11:12

    Розбираємо округлення масивів методами round, floor і ceil, а також поелементні операції np.add, np.subtract, np.sum і np.prod. Знайомимося з об’єктом np.datetime64 для перетворення рядка з датою на тип, над яким можна виконувати арифметику, наприклад обчислювати різницю в днях між датами.

  • Структуровані списки14:17

    Знайомимося зі структурованими масивами NumPy, у яких стовпці мають власні імена і можуть зберігати різні типи даних, як у таблиці. Вчимося створювати такий масив функцією np.array з аргументом dtype, а також вибирати з нього рядки, стовпці та окремі комірки.

  • Читання-запис списків9:33

    Зберігаємо масиви NumPy функцією np.save у бінарний файл формату .npy і зчитуємо назад через np.load без повторного перерахунку, а також записуємо дані в текстовий файл .txt або .csv функцією np.savetxt. Розбираємо array2string для перетворення масиву на рядок і метод tolist() для зворотного перетворення на звичайний список Python.

• Pandas: датафрейми, .loc і .iloc 6 уроків

  Розділ вводить основні структури Pandas, індексацію методами .iloc і .loc та базові операції над датафреймом.

  • Основні структури6:42

    Знайомство з бібліотекою Pandas та її головним об’єктом DataFrame — таблицею з рядків і стовпців, що об’єднує кілька масивів. Навчальний DataFrame збирається зі списку списків, а окремий його стовпець належить до типу Series, схожого водночас на словник і на масив.

  • Індекси та метод .iloc6:43

    Вибір рядків, стовпців і окремих комірок DataFrame за числовими індексами через метод iloc, включно зі зрізами. Показано, чим таке звернення відрізняється від прямого зазначення індексу в квадратних дужках.

  • Індекси та метод .loc7:14

    Звернення до елементів DataFrame за назвами: вибір одного або кількох стовпців і точковий доступ до рядків і стовпців через метод .loc, включно з текстовими зрізами, де правий кінець діапазону входить до результату.

  • Характеристики датафрейму pandas11:01

    Способи отримати характеристики DataFrame: метод .info() для структури таблиці, атрибут shape для її розміру та метод .describe() для описової статистики за числовими стовпцями — середнього, мінімуму, максимуму, стандартного відхилення та квартилів.

  • Операції над датафреймами. Частина 18:19

    Базові операції перегляду та відбору даних у DataFrame: виведення перших і останніх рядків методами head і tail, видалення пропущених значень методом dropna та фільтрація рядків за однією або кількома умовами з операторами & і |.

  • Операції над датафреймами. Частина 211:41

    Способи створення нових стовпців DataFrame: на основі значень іншого стовпця, з одного значення для всіх рядків, зі списку та як результат поелементної операції над двома стовпцями.

• Pandas: групування і робота з пропусками 6 уроків

  Розділ розбирає застосування функцій методом .apply, групування та агрегування, сортування, роботу з пропущеними значеннями (NaN) та ієрархічне індексування.

  • Застосування функцій та метод .apply()12:26

    Урок показує застосування методу .apply() для створення нових стовпців датафрейму: використання готових функцій бібліотеки NumPy та власних лямбда-функцій, зокрема порядково і по стовпцях. Розглядається виклик методу до одного стовпця, до зрізу з кількох стовпців з аргументом axis та передавання власної лямбда-функції.

  • Групування та агрегування7:39

    Урок пояснює групування даних методом groupby та обчислення зведених показників за групами методом agg: вбудовані функції суми, середнього, мінімуму, максимуму та медіани, а також власні функції. Показано, як передати в agg список функцій і отримати окремі стовпці для кожної характеристики за групами.

  • Сортування та впорядкування5:29

    Урок пояснює сортування рядків DataFrame методом sort_values за одним або кількома стовпцями та керування напрямком і збереженням результату через параметри ascending і inplace. Показано сортування за кількома стовпцями, де другий стовпець визначає порядок рядків з однаковими значеннями першого.

  • Робота з NaN-ами7:37

    Урок показує, як знаходити пропущені значення в DataFrame методами info та isna і обробляти їх — заповненням через fillna або видаленням рядків через dropna. Розглядається вибір між видаленням і заповненням пропусків залежно від обсягу даних.

  • Ієрархічне індексування. Частина 16:37

    Урок пояснює, що таке індексування рядків у Pandas і коли звичайна числова нумерація не підходить, вводить поняття ієрархічного індексування і показує застосування методу set_index на прикладі навчального датасету. Складений індекс задається списком із двох стовпців, жоден з яких окремо не визначає рядок однозначно.

  • Ієрархічне індексування. Частина 27:43

    Урок розглядає структуру об’єкта MultiIndex, показує сортування рядків методом sort_index за вкладеними рівнями індексу та звернення до рядків за складеним ключем через метод loc. Сортування йде за рівнями: спочатку за першим показником, потім усередині нього — за другим, а уточнення вибору другим значенням індексу звужує результат до однієї комірки.

• Формати даних, CSV і XLSX 5 уроків

  Розділ пояснює відмінність структурованих і неструктурованих даних, читання та запис файлів CSV і XLSX, а також форматування дат.

  • Що таке дані та якими вони бувають6:11

    Урок вводить відмінність між структурованими та неструктурованими даними: неструктуровані зберігаються у вихідному вигляді і потребують обробки перед аналізом, структуровані мають задану схему і легше збираються, зберігаються та аналізуються. На прикладі листа показано перехід від неструктурованих даних до структурованих, а для роботи з ними — SQL і бібліотека Pandas.

  • Читання файлів у форматі CSV9:03

    Урок пояснює будову формату CSV — текстової таблиці, де рядки розділені переносами, а стовпці зазвичай комами, — і показує завантаження CSV-файлів у DataFrame бібліотеки Pandas функцією read_csv. Розбирається налаштування роздільника стовпців через параметр sep та індексного стовпця через index_col.

  • Запис файлів у форматі CSV8:16

    Урок розбирає збереження DataFrame у CSV-файл методом to_csv, включно з параметром indexLabel для назви стовпця індексу. На прикладі значення з комою всередині показано, як збіг роздільника зі знаком у даних псує структуру таблиці, і чому для sep варто обирати роздільник, який завідомо не трапляється в даних.

  • Форматування дат9:04

    Урок пояснює, чому різні країни записують дату в різному порядку дня, місяця й року, і представляє міжнародний стандарт рік-місяць-день, зручний для сортування. Показано, як параметри parseDates і dayFirst функції read_csv приводять дати до типу datetime у Pandas, з якого потім можна отримати похідну ознаку на кшталт дня тижня.

  • Читання та запис файлів у форматі XLSX9:54

    Урок показує роботу з бінарним форматом XLSX, який на відміну від текстового CSV може містити одразу кілька аркушів із таблицями. Читання виконується функцією read_excel з параметром sheet_name для вибору аркуша, а дати розпізнаються тими самими параметрами parseDates і dayFirst, що й під час читання CSV; збереження DataFrame робиться методом to_excel.

• SQL: від SELECT до підзапитів 9 уроків

  Розділ розбирає структуру бази даних, запити SELECT із фільтрацією, функції та агрегацію, з’єднання таблиць JOIN, групування, зміну даних, підзапити та зміну структури даних.

  • SQL. Вступ1:50

    SQL — мова запитів для читання, запису та опису структури даних, яка застосовується в більшості поширених СУБД: MySQL, PostgreSQL, Oracle, MSSQL, Presto, Hive. Робота з базою будується за схемою «підключення — запит — відповідь», а звертатися до неї можна через клієнт-програму або з власного коду.

  • Структура БД, запит DESCRIBE5:50

    Розглядається структура бази даних із чотирьох пов’язаних таблиць і типи даних колонок — varchar, int, enum, datetime. Команди use, show tables і describe показують вибір бази, список таблиць і структуру конкретної таблиці за колонками.

  • Вибір і фільтрація даних, запит SELECT9:58

    Базовий синтаксис запиту SELECT: вибір конкретних колонок або всіх полів через зірочку, фільтрація умовою WHERE з операторами and і or, сортування ORDER BY. Додатково розглядаються обмеження LIMIT, відбір неповторюваних значень DISTINCT і об’єднання вибірок UNION.

  • Функції та вирази, агрегація даних10:46

    Застосування функцій і виразів до результатів вибірки: арифметика над колонками, псевдоніми через AS, робота з датами через DateDif, умовна логіка через IF, склеювання рядків через CONCAT. Агрегувальні функції COUNT, AVG, MAX і SUM зводять вибірку до одного підсумкового значення.

  • Відношення та об’єднання таблиць – JOIN7:32

    Типи відношень між таблицями та оператор JOIN, який об’єднує дві й більше таблиць за умовою ON. Розглядаються зв’язок «один до багатьох», зв’язок «багато до багатьох» через допоміжну таблицю та побудова запиту з двома послідовними JOIN.

  • Групування3:46

    Групування даних оператором GROUP BY для розрахунку агрегованих показників по кожній групі, у поєднанні з JOIN для об’єднання таблиць. Результат групування сортується оператором ORDER BY з модифікатором DESC і обмежується оператором LIMIT.

  • Модифікація даних5:13

    Зміна даних у таблиці: додавання нового рядка запитом INSERT INTO із зазначенням колонок і значень після VALUES, зміна значень наявних рядків запитом UPDATE із SET та умовою WHERE. Оператор UPDATE застосовується і масово — одразу до всіх рядків із певним значенням колонки.

  • Підзапити3:02

    Побудова запиту з підзапитом — вкладеним SELECT у круглих дужках — для зв’язку двох таблиць без прямого відношення через зовнішній ключ. Підзапит виконується окремо для кожного рядка зовнішньої таблиці та замінює JOIN там, де зв’язку між таблицями немає.

  • Оголошення та зміна структури даних8:26

    Нормалізація та ненормалізовані дані на прикладі дубльованих полів, створення нової таблиці командою CREATE TABLE з переліком колонок і типів. Наповнення таблиці через INSERT SELECT, зміна структури наявної таблиці через ALTER TABLE та масове оновлення командою UPDATE без WHERE.

• Формати та бази: JSON, Pickle, HDF5, SQLite, PostgreSQL, MongoDB 9 уроків

  Розділ розбирає формати JSON, Pickle та HDF5, роботу з базами SQLite, PostgreSQL і MongoDB із Python, а також звернення до баз даних через Pandas.

  • Формат JSON4:37

    Розглядається текстовий формат JSON для обміну даними та його зв’язок зі структурою Python-словника. На прикладі коду показано перетворення словника на JSON-рядок функцією dumps модуля json і зворотне перетворення функцією loads.

  • Pickle — серіалізація об’єктів3:56

    Пояснюється бінарний формат pickle для збереження і передавання об’єктів Python. На прикладі словника показано, як модуль записує об’єкт у файл функцією dump в режимі wb і відновлює його функцією load в режимі rb.

  • Робота з даними формату HDF512:17

    Описується бінарний формат HDF5 для зберігання і часткового читання великих ієрархічних масивів даних без завантаження всього файлу в пам’ять. На прикладі через бібліотеку h5py показано створення груп і датасетів із масивів NumPy зі стисненням GZIP та їх подальше читання.

  • Робота з базою даних SQLite35:57

    Показано роботу з бібліотекою SQLite3: створення локальної реляційної бази даних на Python і таблиці SQL-командою Create Table. Розібрано завантаження даних із CSV-файлу через DictReader і метод executemany, а також зворотне читання записів SQL-запитом.

  • Робота з базою даних PostgreSQL6:04

    Показано підключення до промислової СУБД PostgreSQL із Python через бібліотеку psycopg2 та читання списку таблиць схеми Public. На прикладі розібрано аналітичний запит з агрегацією — розрахунок середньої оцінки фільмів і виведення топ-5 за спаданням.

  • Робота з базою даних із pandas2:46

    Показано підключення до SQLite і PostgreSQL із Pandas та читання табличних даних SQL-запитом через функцію read_sql_query. Розібрано, що для Postgres використовується модуль psycopg2, а запит до локального файлу SQLite виконується швидше за запит до віддаленого сервера.

  • Робота з базою даних MongoDB. Частина 18:46

    Представлено документоорієнтовану базу MongoDB з колекціями та документами замість таблиць і рядків. Показано підключення з Python через бібліотеку PyMongo та об’єкт MongoClient, виведення списку колекцій і вибірки записів методом find із проєкцією потрібних полів.

  • Робота з базою даних MongoDB. Частина 26:09

    Показано фільтрацію записів MongoDB параметром filter і побудову агрегаційного пайплайна з групуванням за тегом, підрахунком і сортуванням результатів. Підбивається підсумок вивчених у модулі форматів і сховищ: JSON, Pickle, HDF5, SQLite та PostgreSQL.

  • Робота з SQL через Pandas1:50

    Пояснюється, що функція read_sql_query бібліотеки Pandas абстрагує завантаження даних від конкретної бази — достатньо об’єкта connection і тексту SQL-запиту. Задається домашня робота з підрахунку рядків у таблицях, виведення стовпців Ratings і визначення поля для з’єднання таблиць Links і Ratings.

• Обробка тексту та регулярні вирази 4 уроки

  Розділ показує стандартні прийоми роботи з текстом, регулярні вирази модуля re для видобування email-адрес, телефонів та імен, а також підрахунок статистик тексту.

  • Стандартні прийоми роботи з текстом3:53

    На прикладі датасету з описами фільмів розглядаються два базові прийоми підготовки тексту — приведення до нижнього регістру та видалення розділових знаків засобами модуля string. Окремо пояснюється, коли ці прийоми застосовувати не варто: наприклад, під час видобування імен людей приведення до нижнього регістру стирає інформацію про великі літери.

  • Регулярні вирази Python16:58

    Урок знайомить з модулем re для роботи з регулярними виразами: складання та компіляція шаблонів, спецсимволи й квантифікатори. На прикладі користувацьких відгуків шаблони поступово ускладнюються для видобування email-адрес, телефонних номерів та власних імен із тексту.

  • Статистика тексту10:21

    Показано перехід від сирого тексту до числового подання через підрахунок частоти слів: словоформи приводяться до початкової форми морфологічним аналізатором pymorphy2, а результати збираються в таблицю Pandas. Групування таблиці за документом і словом дає кількість входжень кожного слова та допомагає визначити тему документа.

  • Домашня робота3:56

    Три домашні завдання різного рівня: підрахунок частки документів, у яких трапляється кожне слово, видобування регулярним виразом пар «ім’я та прізвище» з тексту, і класифікація документів за жанром через словники ключових слів. Завдання підвищеної складності виконувати не обов’язково.

• Статистика: розподіли, кореляції, аномалії 11 уроків

  Розділ розбирає розподіл ймовірності, оцінки розподілу випадкової величини, асиметричні дані, кореляційний аналіз, довірчі інтервали та пошук аномалій у даних.

  • Розподіл ймовірності5:47

    Урок вводить поняття ймовірності і зіставляє класичний та аксіоматичний підходи до її визначення, розбирає дискретні та неперервні розподіли випадкової величини. Окремо розглядається нормальний розподіл і центральна гранична теорема, а також роль щільності та функції розподілу.

  • Оцінки розподілу випадкової величини3:41

    Урок розбирає точкові оцінки розподілу випадкової величини: математичне сподівання, дисперсію, моду, квантилі та інтерквартильний розмах. Показується, що для нормального розподілу середнє, мода і медіана збігаються в одній точці.

  • Практика описової статистики в Python5:20

    Практика показує, як у Python згенерувати синтетичну нормально розподілену вибірку і розрахувати за нею точкові оцінки, середньоквадратичне відхилення та квантилі засобами pandas і NumPy. Будуються гістограми розподілу через Seaborn і pandas, а розрахунки оформлюються в окрему функцію.

  • Де найчастіше помиляються аналітики3:17

    Урок розбирає, чому середня оцінка вводить в оману при асиметричних і мультимодальних розподілах, і вводить коефіцієнти асиметрії та ексцесу для їх розпізнавання. Окремо розглядається мультимодальність вибірки як ознака присутності в даних кількох груп із різними характеристиками.

  • Асиметричні дані: гамма-розподіл2:44

    Урок показує генерацію асиметричних даних за гамма-розподілом засобами NumPy і порівнює їх із нормальним розподілом на бізнес-прикладі відтоку та прибутку клієнтів. Демонструється, що за однакових середнього і сигми форма розподілу змінює частку збиткових клієнтів і підсумкові бізнес-висновки.

  • Кореляційний аналіз4:53

    Урок розбирає лінійну кореляцію: коефіцієнти зв’язку Пірсона і Кендалла та шкалу Чедока для оцінки сили зв’язку. Розглядаються способи візуалізації взаємозв’язків — матриця парних кореляцій і діаграма розсіювання для нелінійних залежностей.

  • Практика кореляційного аналізу4:31

    Практика розбирає побудову і візуалізацію матриці парних кореляцій на реальному датасеті цін на житло Boston House Prices методом corr() бібліотеки Pandas і тепловою картою Seaborn. Значущість зв’язків перевіряється за шкалою Чеддока, а для значущих пар будуються діаграми розсіювання.

  • Довірчі інтервали2:09

    Урок вводить поняття довірчого інтервалу як інтервальної оцінки параметра випадкової величини із заданою довірчою ймовірністю, на відміну від точкової оцінки. Пояснюється побудова інтервалу на основі нормального розподілу і центральної граничної теореми, для випадків із відомою та невідомою дисперсією.

  • Довірчий інтервал за акціями Google6:14

    Практика розбирає реальні котирування акцій Google з Yahoo Finance: перевірку нормальності виручки за ексцесом, асиметрією і графіком QQ-plot, а потім побудову 95%-го довірчого інтервалу функцією зі SciPy. Значення за верхньою межею інтервалу позначаються як аномальні події.

  • Аномалії в даних3:33

    Урок пояснює, що аномалії — це спостереження, які сильно відрізняються від вибірки, і їх не завжди варто видаляти, а потрібно позначати й досліджувати залежно від бізнес-задачі. Розглядаються одновимірний пошук аномалій через квантилі, довірчі інтервали і правило трьох сигм, а також багатовимірні методи Isolation Forest і One-Class SVM.

  • Пошук аномалій в даних5:29

    Практика розбирає пошук і фільтрацію викидів в одновимірних даних правилом трьох сигм і квантилями на синтетичних нормальних і бімодальних вибірках, а потім на реальному медичному датасеті зі scikit-learn. Логіка оформлюється в користувацьку функцію, яка виявляє пацієнтів з аномально високим показником прогресії захворювання.

• Як розпізнати маніпуляцію статистикою 5 уроків

  Розділ розбирає маніпуляцію середніми значеннями, ширину часового інтервалу та масштаб графіка, підміну одиниці аналізу і відмінність кореляції від причинно-наслідкового зв’язку.

  • Навіщо потрібна статистика1:57

    Урок розповідає про походження статистики як інструменту управління державою та її сучасне застосування в різних галузях — від розрахунку ймовірностей до А/Б-тестів. Окремо розглядається, як результати статистичних досліджень спотворюють навмисно або несвідомо в інтересах зацікавлених сторін, наприклад при доборі вибірки під потрібний результат.

  • Маніпуляція середніми і сила авторитету9:24

    На прикладах статистики доходів і міжнародного рейтингу робочих годин урок показує, як вибір міри середнього — середнього арифметичного, медіани чи моди — і некоректне порівняння даних перетворюють статистику на інструмент маніпуляції. Розглядається, чому дані авторитетних організацій потрібно перевіряти на методологію.

  • Ширина часового інтервалу і сила масштабу3:42

    Урок показує, як вибір ширини часового інтервалу і масштабу осі графіка змінює сприйняття одних і тих самих даних, на прикладах графіка оборонних витрат і стрибка шкали в публікації New York Times. Дається вправа переробити графік зростання кількості приватних шкіл під потрібний висновок.

  • Одиниця аналізу і «Яблука і апельсини»8:26

    Урок вводить поняття одиниці аналізу і розбирає прийом «яблука і апельсини» — порівняння непорівнянних величин — на прикладах цін у різних валютах, касових зборів фільмів без поправки на інфляцію і конверсії онлайн-курсу. Дається вправа пояснити зниження випуску автомобілів, що подорожчали, на заводі.

  • Помилка сприйняття, кореляція і причинно-наслідковий зв’язок13:42

    Урок розбирає різницю між відсотком і відсотковим пунктом, показник CAGR і відмінність між кореляцією та причинно-наслідковим зв’язком на прикладах випадкової і хибної кореляції. Також розглядаються когнітивні викривлення: помилка виживання, ефект якоря і схильність підтверджувати свої очікування.

• Огляд інструментів Big Data 3 уроки

  Розділ дає загальне уявлення про великі дані та технологію Hadoop з HDFS і MapReduce, коротко знайомить з Hive та Impala й оглядово — з іншими інструментами обробки великих даних.

  • Вступ до Big Data13:51

    Урок дає загальне уявлення про великі дані: їхні характеристики, сфери застосування та основні технології обробки — Hadoop, HDFS і MapReduce. Розглядається, як фреймворк Hadoop дозволяє горизонтально масштабувати обчислення на звичайному обладнанні, а MapReduce розбиває обробку на паралельно виконувані етапи Map і Reduce.

  • Технологія Hive, коротко про Impala10:26

    Урок розглядає Hive — SQL-надбудову над HDFS, де папки стають таблицями, а SQL-запити перетворюються на пакети MapReduce-завдань; розглядаються класичні та зовнішні таблиці, партиціонування й бакетування для прискорення запитів. Також подається Impala — швидший інструмент доступу до тих самих даних, який читає їх напряму з кешуванням у пам’яті, оминаючи MapReduce.

  • Інші інструменти6:39

    Урок описує фреймворк Apache Spark і роботу з ним через DataFrame та Spark SQL як альтернативу Hive, зокрема join-операції DataFrame — left-semi-join, left-anti-join і cross join. Завершує розділ рекомендаціями щодо подальшого вивчення SQL, Python і BI-інструментів на кшталт Tableau та Power BI.

• Google Analytics і Яндекс.Метрика 2 уроки

  Розділ розбирає структуру звітів Google Analytics — сеанси, хіти, цілі та конверсії — і порівнює її з Яндекс.Метрикою, її термінологією та фірмовими інструментами на кшталт карти кліків і WebVisor.

  • Сеанси, хіти та звіти Google Analytics34:50

    Розбираємо структуру Google Analytics: поняття користувача, сеансу та хіта, встановлення лічильника на сайт і в застосунок, групи звітів за аудиторією, джерелами трафіку та поведінкою. Окремо — цілі, коефіцієнт конверсії та звіти за багатоканальними послідовностями для аналізу шляху до купівлі.

  • Яндекс.Метрика24:20

    Знайомимося з Яндекс.Метрикою як альтернативою Google Analytics: фірмові інструменти WebVisor, карта кліків, аналітика форм і call tracking, а також відмінності в термінології та підрахунку відмов. Розглядаємо структуру звітів і передавання даних до сервісу візуалізації DataLens.

• Power BI: перші графіки і Power Query 3 уроки

  Розділ показує інтерфейс Power Query, завантаження даних із файлу та побудову першого графіка, а також завантаження файлів CSV і кількох файлів з папки.

  • Інтерфейс Power Query та завантаження даних7:35

    Завантаження таблиці продажів з Excel через вікно отримання даних Power BI та побудова гістограми з групуванням за датою і сумою. Налаштування грошового формату для стовпця сум і міток даних на графіку.

  • Завантаження файлів CSV та їхні особливості9:03

    Робота з форматом CSV та зведення неправильно розпізнаних дат до потрібного типу в Power Query через розділення й об’єднання стовпців з урахуванням регіональних налаштувань. Робота зі списком застосованих кроків замість команди скасування.

  • Завантаження численних файлів із папки8:01

    Налаштування Power BI на автоматичне завантаження та об’єднання однотипних файлів із папки з фільтром за розширенням. Побудова візуала «матриця» з ієрархією дат та оновлення звіту при додаванні нових файлів.

• Підсумковий звіт для замовника в Power BI 3 уроки

  Розділ збирає курс воєдино: пов’язування таблиць за моделлю «Зірка», побудову відношень між ними і підключення зовнішнього джерела даних — Google Таблиць — для готового звіту.

  • З’єднання таблиць. Модель «Зірка»10:52

    Принцип побудови зв’язків між таблицями за моделлю «Зірка»: центральна таблиця фактів і таблиці вимірів навколо неї. На прикладі даних про продажі та керівників показано створення зв’язку «один до багатьох» за спільним полем імені співробітника, з побудовою кругової діаграми за результатами зв’язування.

  • З’єднання таблиць. Модель «Зірка»8:48

    Розбір типів зв’язків між таблицями в Power BI: «багато до багатьох», «один до одного» та «багато до одного». Зв’язок «багато до багатьох» показано на таблицях оцінок студентів і запису на курси зі зміною агрегації із суми на середнє, «один до одного» — на об’єднанні даних з податкової та реєстраційної таблиць за ідентифікаційним кодом.

  • Підключення Google Sheets8:50

    Підключення Google Sheets до Power BI через сторонній сервіс MyBI Connect, оскільки прямого конектора до Google Sheets у Power BI немає. Завантажені дані надходять у форматі JSON одним рядком, перетворюються на стовпці засобами Power Query і пов’язуються з допоміжною таблицею-каталогом менеджерів для побудови діаграми продажів.

Часті запитання

Про цей курс

• Чи потрібен досвід програмування, щоб почати?

  Ні — курс починається з пояснення формули Excel як «чорної скриньки» та покрокового встановлення Anaconda і PyCharm, кроки розраховані на людину без досвіду програмування.

• Чи розбирається в курсі машинне навчання?

  Машинне навчання як окрема практична тема не розбирається — термін згадується лише як суміжна професія і як назви готових алгоритмів пошуку аномалій, без їх побудови з нуля.

• Які бази даних і формати розбираються?

  Курс розбирає формати CSV, JSON, Pickle, HDF5, Excel та бази SQLite, PostgreSQL і MongoDB — з поясненням, чим вони відрізняються і коли яку застосовувати.

• Чи є практика з веб-аналітики?

  Так — окремі розділи розбирають вирву продажів і клікстрім на реальному кейсі, а також порівнюють Google Analytics і Яндекс.Метрику.

• Чим курс закінчується?

  Курс закінчується побудовою звіту в Power BI: з’єднанням кількох таблиць за моделлю «Зірка» і підключенням зовнішнього джерела даних — Google Таблиць.

• Чи потрібні платні програми для проходження курсу?

  Ні — курс використовує безкоштовні версії інструментів: Anaconda, PyCharm Community і Power BI Desktop; платні серверні версії на кшталт Power BI Server і Tableau Server у курсі майже не вивчаються.

Доступ і матеріали

• Коли і як я отримаю доступ до курсу?

  Одразу після оплати, тієї ж секунди й автоматично. Чекати на підтвердження не потрібно. Доступ надходить двома шляхами водночас. Перший: на пошту, вказану при оформленні замовлення, приходить лист із посиланням на матеріали. Другий: те саме посилання з’являється у вашому акаунті на сайті, у розділі «Завантаження», і залишається там назавжди.

• Де зберігаються матеріали курсу?

  Усі відео та додаткові файли лежать у хмарному сховищі. Посилання на нього — у вашому акаунті на сайті, розділ «Завантаження», і в листі, який надійшов після оплати. Акаунт тут не формальність, а спосіб доставки: курс залишається в ньому назавжди. Навіть якщо лист загубився або ви згадали про купівлю через рік, посилання буде на місці.

• Чи можна завантажити матеріали, чи тільки дивитися онлайн?

  Завантажувати можна і варто. Радимо зберегти відео на комп’ютер і дивитися звідти. Причина проста: хмарне сховище не розраховане на перегляд відео. Іноді воно дозволяє увімкнути ролик просто у браузері, але якість при цьому помітно гірша за вихідну. На своєму комп’ютері ви побачите курс таким, яким його записували.

• Як довго діє доступ?

  Безстроково. Курс залишається вашим назавжди, повертатися до нього можна скільки завгодно разів. Якщо через рік чи два посилання раптом перестане відкриватися з технічних причин — напишіть на info@siluette.com.ua, ми його відновимо.

• Лист із доступом не надійшов — що робити?

  Насамперед: доступ у вас є в будь-якому разі. Увійдіть на сайт і відкрийте розділ «Завантаження» — посилання на курс уже там, незалежно від того, дійшов лист чи ні. Найчастіше лист губиться через одруківку в адресі під час оформлення замовлення. Ще варто заглянути до теки «Спам». Не виходить розібратися — не витрачайте час: напишіть на info@siluette.com.ua або в чат у правому нижньому куті сайту, ми допоможемо.

• На яких пристроях дивитися курс?

  Найкраще на комп’ютері або ноутбуці: завантажте відео й відкрийте будь-яким звичним плеєром. Знадобляться встановлені відеокодеки — на більшості комп’ютерів вони вже є. Завантажити курс можна на скільки завгодно пристроїв. А от телефон ми не радимо, і з двох причин. На маленькому екрані погано видно деталі, особливо якщо в уроці показують інтерфейс програми. І на телефонах часто немає кодеків для форматів, у яких записані відео.

Оплата та повернення

• Якими способами можна оплатити?

  Банківською карткою Visa, MasterCard або «Простір», через Google Pay, Apple Pay, Masterpass, Visa Checkout, платіжний QR-код, Botpay у Telegram чи Privat24. Є й оплата частинами: Монобанк (3 або 4 платежі), А-Банк (2, 3 або 4 платежі та розстрочка), Банк Глобус (8 платежів), «Скибочка» від OTP Bank (3 платежі), миттєва розстрочка та оплата частинами від ПриватБанку.

• Чи приймається картка, випущена не в Україні?

  Так. Платіжна система приймає картки з Євросоюзу та будь-яких інших країн. Одна деталь, про яку часто забувають: банк може попросити підтвердити платіж — у мобільному застосунку або кодом із СМС. Якщо оплата не проходить, перевірте застосунок банку та повідомлення.

• Як працює знижка 20% при купівлі кількох курсів?

  Додайте до кошика два курси або більше — знижка застосується автоматично до всіх товарів у кошику. Два курси: мінус 20% на обидва. П’ять курсів: мінус 20% на всі п’ять. Знижка поєднується з будь-якими акційними цінами й діє на весь каталог без винятків.

• Чи можна повернути курс або гроші?

  Цифрові товари поверненню та обміну не підлягають. Це загальне правило для всіх електронних товарів в Україні — постанова Кабінету Міністрів № 172 від 19 березня 1994 року. При цьому ми завжди на зв’язку. Якщо доступ не відкривається, посилання перестало працювати або файли пошкоджені — напишіть на info@siluette.com.ua, вкажіть дату та номер замовлення. Відновимо. Якщо щось незрозуміло в самому курсі, теж пишіть — підкажемо.

• Чи можна оплатити від організації за рахунком?

  Поки що ні. Ми працюємо лише з приватними покупцями — безготівкової оплати за рахунком від юридичних осіб зараз немає.

Як проходить навчання

• Чи є зворотний зв’язок із викладачем і перевірка завдань?

  Ні. Усі курси — це записи уроків для самостійного вивчення: викладач не відповідає на запитання і не перевіряє домашні завдання. Саме тому курси коштують значно дешевше за навчання з куратором. Ви отримуєте той самий матеріал, але займаєтеся самі та у своєму темпі.

• Чи видається сертифікат?

  Так, цифровий сертифікат — на запит і безкоштовно. Напишіть на info@siluette.com.ua, вкажіть ім’я та прізвище саме в тому вигляді, в якому хочете бачити їх у сертифікаті, і ми надішлемо його протягом доби.

• Чи потрібен досвід, щоб почати?

  Для більшості курсів — ні. Вони розраховані на початковий рівень і пояснюють з азів. Якщо курс потребує підготовки, це сказано в його описі.

• Чи є терміни проходження курсу?

  Ні. Ані дедлайнів, ані розкладу, ані доступу, що згорає. Завантажили — дивіться коли зручно, з будь-якими перервами.

• Чи можна поділитися курсом з іншою людиною?

  Курс купується для особистого використання, і ми просимо ставитися до цього по-людськи: за кожним уроком стоїть робота, а ціна й так суттєво знижена.

Підтримка

• Куди писати, якщо щось не працює?

  Найкраще на info@siluette.com.ua. Є й чат у правому нижньому куті сайту, але пошта надійніша: там можна все описати докладно та додати знімки екрана. Прохання: опишіть, що саме ви робили і що пішло не так, та додайте знімок екрана з помилкою. Так ми вирішимо питання одразу, а не з’ясовуватимемо півдня, що сталося.

• Як швидко відповідає підтримка?

  У робочий час, з 9:00 до 19:00, на пошту зазвичай відповідаємо протягом години, у чаті — за кілька хвилин. Після 19:00 теж буває, але час відповіді не обіцяємо.