chore(i18n,curriculum): processed translations - new ukrainian (#44447)

This commit is contained in:
camperbot
2021-12-10 11:14:24 +05:30
committed by GitHub
parent 8651ee1797
commit 0473dedf47
1663 changed files with 156692 additions and 1 deletions

View File

@ -0,0 +1,47 @@
---
id: 5e9a093a74c4063ca6f7c14d
title: 'Аналіз даних: Приклад А'
challengeType: 11
videoId: nVAaxZ34khk
bilibiliIds:
aid: 590571151
bvid: BV1sq4y1f7gr
cid: 409002372
dashedName: data-analysis-example-a
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/FreeCodeCamp-Pandas-Real-Life-ample)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
На що вказує форма таблиці даних?
## --answers--
Розмір завантаженої в пам'ять таблиці даних (в гігабайтах).
---
Кількість рядків та стовпців в таблиці даних.
---
Кількість рядків у вхідних даних перед завантаження.
---
Кількість стовпців у вхідних даних перед завантаження.
## --video-solution--
2

View File

@ -0,0 +1,43 @@
---
id: 5e9a093a74c4063ca6f7c14e
title: 'Аналіз даних: Приклад B'
challengeType: 11
videoId: 0kJz0q0pvgQ
bilibiliIds:
aid: 505593432
bvid: BV1kg411c7M6
cid: 409003530
dashedName: data-analysis-example-b
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/FreeCodeCamp-Pandas-Real-Life-Example)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Що можна зробити за допомогою методу `loc`?
## --answers--
Отримати підмножину рядків і стовпців за допомогою числового аргументу місце знаходження.
---
Отримати доступ до групи рядків і стовпців за допомогою міток.
---
Повернути перших `n` рядків за допомогою числового аргументу.
## --video-solution--
2

View File

@ -0,0 +1,47 @@
---
id: 5e9a093a74c4063ca6f7c160
title: Очищення даних та візуалізація
challengeType: 11
videoId: mHjxzFS5_Z0
bilibiliIds:
aid: 933107558
bvid: BV1KM4y137Ny
cid: 409019632
dashedName: data-cleaning-and-visualizations
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/data-cleaning-rmotr-freecodecamp)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Що означає даний порядок чисел при використанні глобального API бібліотеки matplotlib?
```py
plt.subplot(1, 2, 1)
```
## --answers--
Фігура матиме один стовпець, два рядки, а рисунок почнеться у першому (лівому) графіку.
---
Рисунок почнеться у першому (лівому) графіку, фігура матиме два рядки, і один стовпець.
---
Фігура матиме один рядок, два стовпці, а рисунок почнеться у першому (лівому) графіку.
## --video-solution--
3

View File

@ -0,0 +1,43 @@
---
id: 5e9a093a74c4063ca6f7c15f
title: 'Очищення даних: Дублікати'
challengeType: 11
videoId: kj7QqjXhH6A
bilibiliIds:
aid: 675611672
bvid: BV1VU4y1A7tu
cid: 409019368
dashedName: data-cleaning-duplicates
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/data-cleaning-rmotr-freecodecamp)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Метод `.duplicated()` повертає набір булевих значень для таблиці даних. Значення `True` повертається для рядків, що:
## --answers--
містять дублікат, значення рядка якого є першим послідовним випадком цього значення.
---
містять дублікат, значення рядка якого є щонайменше другим послідовним випадком цього значення.
---
містять дублікат, значення рядка якого є першим або другим послідовним випадком цього значення.
## --video-solution--
2

View File

@ -0,0 +1,62 @@
---
id: 5e9a093a74c4063ca6f7c15d
title: 'Очищення даних: Вступ'
challengeType: 11
videoId: ovYNhnltVxY
bilibiliIds:
aid: 250574398
bvid: BV1Pv411A7GN
cid: 409018611
dashedName: data-cleaning-introduction
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/data-cleaning-rmotr-freecodecamp)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
import pandas as pd
import numpy as np
s = pd.Series(['a', 3, np.nan, 1, np.nan])
print(s.notnull().sum())
```
## --answers--
3
---
<pre>0 True
1 True
2 False
3 True
4 False
dtype: bool</pre>
---
<pre>0 False
1 False
2 True
3 False
4 True
dtype: bool</pre>
## --video-solution--
1

View File

@ -0,0 +1,74 @@
---
id: 5e9a093a74c4063ca6f7c15e
title: 'Очищення даних: Таблиці даних'
challengeType: 11
videoId: sTMN_pdI6S0
bilibiliIds:
aid: 505597026
bvid: BV1Yg411c7bx
cid: 409018948
dashedName: data-cleaning-with-dataframes
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/data-cleaning-rmotr-freecodecamp)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
import pandas as pd
import numpy as np
s = pd.Series([np.nan, 1, 2, np.nan, 3])
s = s.fillna(method='ffill')
print(s)
```
## --answers--
<pre>
0 1.0
1 1.0
2 2.0
3 3.0
4 3.0
dtype: float64
</pre>
---
<pre>
0 NaN
1 1.0
2 2.0
3 2.0
4 3.0
dtype: float64
</pre>
---
<pre>
0 NaN
1 1.0
2 2.0
3 NaN
4 3.0
dtype: float64
</pre>
## --video-solution--
2

View File

@ -0,0 +1,43 @@
---
id: 5e9a093a74c4063ca6f7c14f
title: 'Jupyter Notebook: Вступ'
challengeType: 11
videoId: h8caJq2Bb9w
bilibiliIds:
aid: 293035919
bvid: BV1Hf4y1n7qr
cid: 409002965
dashedName: how-to-use-jupyter-notebooks-intro
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/ds-content-interactive-jupyterlab-tutorial)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Що **не** використовується у секціях Jupyter Notebook?
## --answers--
Мова розмітки даних Markdown
---
Код Python
---
Таблиця Excel
## --video-solution--
3

View File

@ -0,0 +1,43 @@
---
id: 5e9a093a74c4063ca6f7c14c
title: Вступ до аналізу даних
challengeType: 11
videoId: VJrP2FUzKP0
bilibiliIds:
aid: 378034466
bvid: BV19f4y1c7nu
cid: 409001487
dashedName: introduction-to-data-analysis
---
# --description--
Додаткові ресурси:
\- [Презентація](https://docs.google.com/presentation/d/1cUIt8b2ySz-85_ykfeuuWsurccwTAuFPn782pZBzFsU/edit?usp=sharing)
# --question--
## --text--
Що з нижчепереліченого **не** є частиною аналізу даних?
## --answers--
Створення статистичних моделей та візуалізація даних.
---
Обрання бажаних висновків для аналізу.
---
Виправлення некоректних значень і видалення хибних даних.
---
Структурування даних.
## --video-solution--
2

View File

@ -0,0 +1,42 @@
---
id: 5e9a093a74c4063ca6f7c150
title: 'Jupyter Notebook: Секції'
challengeType: 11
videoId: 5PPegAs9aLA
bilibiliIds:
aid: 420510493
bvid: BV19341117Hq
cid: 409003280
dashedName: jupyter-notebooks-cells
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/ds-content-interactive-jupyterlab-tutorial)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Якими є три основні типи секцій у Jupyter Notebook?
## --answers--
Code, Markdown, Python
---
Code, Markdown, Raw
---
Markdown, Python, Raw
## --video-solution--
2

View File

@ -0,0 +1,51 @@
---
id: 5e9a093a74c4063ca6f7c151
title: 'Jupyter Notebook: Імпорт та експорт даних'
challengeType: 11
videoId: k1msxD3JIxE
bilibiliIds:
aid: 975540688
bvid: BV1n44y1b7Gi
cid: 409006337
dashedName: jupyter-notebooks-importing-and-exporting-data
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/ds-content-interactive-jupyterlab-tutorial)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який тип даних можна імпортувати та використовувати в Jupyter Notebook?
## --answers--
Excel файли.
---
CSV файли.
---
XML файли.
---
Дані з API.
---
Усе з переліченого вище.
## --video-solution--
5

View File

@ -0,0 +1,47 @@
---
id: 5e9a093a74c4063ca6f7c157
title: 'Numpy: Алгебра і розміри об''єктів'
challengeType: 11
videoId: XAT97YLOKD8
bilibiliIds:
aid: 250621433
bvid: BV1hv41137uM
cid: 409013128
dashedName: numpy-algebra-and-size
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Яким є співвідношення поміж розмірами об'єктів (як от масивів чи інших типів даних) у пам'яті звичайної бібліотеки Python та бібліотеці NumPy? Враховуючи це, якими є наслідки для виконання програми?
## --answers--
Стандартні об'єкти Python займають значно більше пам'яті ніж об'єкти NumPy; порівняльні операції поміж Python та NumPy об'єктами виконуються приблизно в один і той же час.
---
Об'єкти NumPy займають значно більше пам'яті ніж стандартні об'єкти Python; операції із NumPy об'єктами виконуються дуже швидко у порівнянні із стандартними об'єктами Python.
---
Об'єкти NumPy займають значно менше пам'яті ніж стандартні об'єкти Python; операції із стандартними об'єктами Python виконуються дуже швидко у порівнянні із NumPy об'єктами.
---
Стандартні об'єкти Python займають більше пам'яті ніж об'єкти NumPy; операції із об'єктами NumPy виконуються дуже швидко у порівнянні із стандартними об'єктами Python.
## --video-solution--
4

View File

@ -0,0 +1,63 @@
---
id: 5e9a093a74c4063ca6f7c154
title: 'Numpy: Масиви'
challengeType: 11
videoId: VDYVFHBL1AM
bilibiliIds:
aid: 890607366
bvid: BV1zP4y1h7FR
cid: 409011400
dashedName: numpy-arrays
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
A = np.array([
['a', 'b', 'c'],
['d', 'e', 'f'],
['g', 'h', 'i']
])
print(A[:, :2])
```
## --answers--
```py
[['a' 'b']]
```
---
```py
[['b' 'c']
['e' 'f']
['h' 'i']]
```
---
```py
[['a' 'b']
['d' 'e']
['g' 'h']]
```
## --video-solution--
3

View File

@ -0,0 +1,61 @@
---
id: 5e9a093a74c4063ca6f7c156
title: 'Numpy: логічні типи масивів'
challengeType: 11
videoId: N1ttsMmcVMM
bilibiliIds:
aid: 208091324
bvid: BV1Qh411p7V8
cid: 409012711
dashedName: numpy-boolean-arrays
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
a = np.arange(5)
print(a <= 3)
```
## --answers--
```python
[False, False, False, False, True]
```
---
```python
[5]
```
---
```python
[0, 1, 2, 3]
```
---
```python
[True, True, True, True, False]
```
## --video-solution--
4

View File

@ -0,0 +1,43 @@
---
id: 5e9a093a74c4063ca6f7c152
title: 'Numpy: Вступ А'
challengeType: 11
videoId: P-JjV6GBCmk
bilibiliIds:
aid: 718079611
bvid: BV18Q4y1k7om
cid: 409007080
dashedName: numpy-introduction-a
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Чому Numpy є важливою, але непопулярною Python бібліотекою?
## --answers--
Зазвичай безпосередньо бібліотеку Numpy не використовують.
---
Вона надто повільна.
---
Нею складно користуватися.
## --video-solution--
1

View File

@ -0,0 +1,47 @@
---
id: 5e9a093a74c4063ca6f7c153
title: 'Numpy: Вступ B'
challengeType: 11
videoId: YIqgrNLAZkA
bilibiliIds:
aid: 250503382
bvid: BV1kv411w7vB
cid: 409010193
dashedName: numpy-introduction-b
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який приблизно об'єм пам'яті займає ціле число `5` в чистому Python?
## --answers--
32 біти
---
20 байт
---
16 байт
---
8 біт
## --video-solution--
2

View File

@ -0,0 +1,54 @@
---
id: 5e9a093a74c4063ca6f7c155
title: 'Numpy: Операції'
challengeType: 11
videoId: eqSVcJbaPdk
bilibiliIds:
aid: 378057123
bvid: BV13f4y1w7od
cid: 409012507
dashedName: numpy-operations
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Яким буде значення змінної `a` після запуску даного коду?
```py
a = np.arange(5)
a + 20
```
## --answers--
```python
[20, 21, 22, 24, 24]
```
---
```python
[0, 1, 2, 3, 4]
```
---
```python
[25, 26, 27, 28, 29]
```
## --video-solution--
2

View File

@ -0,0 +1,77 @@
---
id: 5e9a093a74c4063ca6f7c15b
title: 'Pandas: Умовна вибірка і модифікування таблиць даних'
challengeType: 11
videoId: BFlH0fN5xRQ
bilibiliIds:
aid: 505598518
bvid: BV1vg411c72y
cid: 409113534
dashedName: pandas-conditional-selection-and-modifying-dataframes
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
import pandas as pd
certificates_earned = pd.DataFrame({
'Certificates': [8, 2, 5, 6],
'Time (in months)': [16, 5, 9, 12]
})
names = ['Tom', 'Kris', 'Ahmad', 'Beau']
certificates_earned.index = names
longest_streak = pd.Series([13, 11, 9, 7], index=names)
certificates_earned['Longest streak'] = longest_streak
print(certificates_earned)
```
## --answers--
<pre>
Tom 13
Kris 11
Ahmad 9
Beau 7
Name: Longest streak, dtype: int64
</pre>
---
<pre>
Certificates Time (in months) Longest streak
Tom 8 16 13
Kris 2 5 11
Ahmad 5 9 9
Beau 6 12 7
</pre>
---
<pre>
Certificates Longest streak
Tom 8 13
Kris 2 11
Ahmad 5 9
Beau 6 7
</pre>
## --video-solution--
2

View File

@ -0,0 +1,62 @@
---
id: 5e9a093a74c4063ca6f7c15c
title: 'Pandas: Створення стовпців'
challengeType: 11
videoId: _sSo2XZoB3E
bilibiliIds:
aid: 975568901
bvid: BV1b44y1b7Cg
cid: 409018052
dashedName: pandas-creating-columns
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який код додасть стовпець "Certificates per month" до таблиці даних `certificates_earned` аналогічно до прикладу нижче?
<pre> Certificates Time (in months) Certificates per month
Tom 8 16 0.50
Kris 2 5 0.40
Ahmad 5 9 0.56
Beau 6 12 0.50</pre>
## --answers--
```py
certificates_earned['Certificates'] /
certificates_earned['Time (in months)']
```
---
```py
certificates_earned['Certificates per month'] = round(
certificates_earned['Certificates'] /
certificates_earned['Time (in months)']
)
```
---
```py
certificates_earned['Certificates per month'] = round(
certificates_earned['Certificates'] /
certificates_earned['Time (in months)'], 2
)
```
## --video-solution--
3

View File

@ -0,0 +1,70 @@
---
id: 5e9a093a74c4063ca6f7c15a
title: 'Pandas: Таблиці даних'
challengeType: 11
videoId: 7SgFBYXaiH0
bilibiliIds:
aid: 890503235
bvid: BV1TP4y1h7qq
cid: 409014039
dashedName: pandas-dataframes
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
import pandas as pd
certificates_earned = pd.DataFrame({
'Certificates': [8, 2, 5, 6],
'Time (in months)': [16, 5, 9, 12]
})
certificates_earned.index = ['Tom', 'Kris', 'Ahmad', 'Beau']
print(certificates_earned.iloc[2])
```
## --answers--
<pre>
Tom 16
Kris 5
Ahmad 9
Beau 12
Name: Time (in months), dtype: int64
</pre>
---
<pre>
Certificates 6
Time (in months) 12
Name: Beau, dtype: int64
</pre>
---
<pre>
Certificates 5
Time (in months) 9
Name: Ahmad, dtype: int64
</pre>
## --video-solution--
3

View File

@ -0,0 +1,69 @@
---
id: 5e9a093a74c4063ca6f7c159
title: 'Pandas: Індексування та умовна вибірка'
challengeType: 11
videoId: '-ZOrgV_aA9A'
bilibiliIds:
aid: 720604139
bvid: BV1FQ4y1k7tC
cid: 409013650
dashedName: pandas-indexing-and-conditional-selection
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
import pandas as pd
certificates_earned = pd.Series(
[8, 2, 5, 6],
index=['Tom', 'Kris', 'Ahmad', 'Beau']
)
print(certificates_earned[certificates_earned > 5])
```
## --answers--
<pre>
Tom True
Kris False
Ahmad False
Beau True
dtype: int64
</pre>
---
<pre>
Tom 8
Ahmad 5
Beau 6
dtype: int64
</pre>
---
<pre>
Tom 8
Beau 6
dtype: int64
</pre>
## --video-solution--
3

View File

@ -0,0 +1,72 @@
---
id: 5e9a093a74c4063ca6f7c158
title: 'Pandas: Вступ'
challengeType: 11
videoId: 0xACW-8cZU0
bilibiliIds:
aid: 975510116
bvid: BV1u44y1b7fD
cid: 409013433
dashedName: pandas-introduction
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який результат буде виведено на екран після виконання наведеного нижче коду?
```py
import pandas as pd
certificates_earned = pd.Series(
[8, 2, 5, 6],
index=['Tom', 'Kris', 'Ahmad', 'Beau']
)
print(certificates_earned)
```
## --answers--
```
Tom 8
Kris 2
Ahmad 5
Beau 6
dtype: int64
```
---
```
Kris 2
Ahmad 5
Beau 6
Tom 8
dtype: int64
```
---
```
Tom 8
Kris 2
Ahmad 5
Beau 6
Name: certificates_earned dtype: int64
```
## --video-solution--
1

View File

@ -0,0 +1,47 @@
---
id: 5e9a093a74c4063ca6f7c164
title: Аналіз HTML та збереження даних
challengeType: 11
videoId: bJaqnTWQmb0
bilibiliIds:
aid: 335522976
bvid: BV1RA411F7vi
cid: 409023170
dashedName: parsing-html-and-saving-data
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/krishnatray/RDP-Reading-Data-with-Python-and-Pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Яка бібліотека Python має метод `.read_html()`, який ми можемо використовувати для розбору HTML -документів та вилучення таблиць?
## --answers--
BeautifierSoupy
---
WebReader
---
HTTP-master
---
Pandas
## --video-solution--
4

View File

@ -0,0 +1,43 @@
---
id: 5e9a093a74c4063ca6f7c166
title: 'Python: Функції та колекції'
challengeType: 11
videoId: NzpU17ZVlUw
bilibiliIds:
aid: 675544435
bvid: BV1pU4y1N7JC
cid: 409023833
dashedName: python-functions-and-collections
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/ds-content-python-under-10-minutes)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Яка основна різниця поміж списками та кортежами в Python?
## --answers--
Кортежі є незмінними.
---
Списки є впорядкованими.
---
Кортежі є невпорядкованими.
## --video-solution--
1

View File

@ -0,0 +1,47 @@
---
id: 5e9a093a74c4063ca6f7c165
title: 'Python: Вступ'
challengeType: 11
videoId: PrQV9JkLhb4
bilibiliIds:
aid: 805597530
bvid: BV1634y1S7gD
cid: 409023550
dashedName: python-introduction
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/ds-content-python-under-10-minutes)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Як визначаються окремі блоки коду в тілі функцій в Python?
## --answers--
По обидві сторони кожного окремого блоку використовуються фігурні дужки.
---
Використовуються відступи, зазвичай 4 пробіли праворуч.
---
Окремі блоки коду жодним чином не позначаються.
---
Для позначення окремих блоків коду можуть використовуватись як фігурні дужки, так і відступи.
## --video-solution--
2

View File

@ -0,0 +1,60 @@
---
id: 5e9a093a74c4063ca6f7c167
title: 'Python: Ітерація та модулі'
challengeType: 11
videoId: XzosGWLafrY
bilibiliIds:
aid: 633068913
bvid: BV1db4y127M4
cid: 409024056
dashedName: python-iteration-and-modules
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/ine-rmotr-curriculum/ds-content-python-under-10-minutes)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Як, використовуючи ітерацію, вивести ключі та значення словника `user`?
## --answers--
```python
for key in user.items():
print(key)
```
---
```python
for key, value in user.all():
print(key, value)
print(value)
```
---
```python
for key, value in user.items():
print(key, value)
```
---
```python
for key, value in user
print(key, value)
```
## --video-solution--
3

View File

@ -0,0 +1,59 @@
---
id: 5e9a093a74c4063ca6f7c162
title: 'Зчитування даних: CSV та TXT'
challengeType: 11
videoId: ViGEv0zOzUk
bilibiliIds:
aid: 505575354
bvid: BV1tg411c7GH
cid: 409020451
dashedName: reading-data-csv-and-txt
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/krishnatray/RDP-Reading-Data-with-Python-and-Pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Як, використовуючи модуль Pandas, можна імпортувати і зберегти у таблиці даних CSV файл `data.csv`?
## --answers--
```python
import pandas as pd
df = pd.csv("data.csv")
```
---
```python
import pandas as pd
df = pd.read_csv("data.csv")
```
---
```python
import pandas as pd
pd.read_csv("data.csv")
```
---
```python
import pandas as pd
df = pd.csv_reader("data.csv")
```
## --video-solution--
2

View File

@ -0,0 +1,43 @@
---
id: 5e9a093a74c4063ca6f7c163
title: Зчитування даних із баз даних
challengeType: 11
videoId: MtgXS1MofRw
bilibiliIds:
aid: 890546354
bvid: BV1JP4y1h7gk
cid: 409020851
dashedName: reading-data-from-databases
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/krishnatray/RDP-Reading-Data-with-Python-and-Pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Який метод є в екземплярі `Cursor` і що можна робити за його допомогою?
## --answers--
Екземпляр `Cursor` має метод `.run()` за допомогою якого можна запускати SQL запити.
---
Екземпляр `Cursor` має метод `.select()`, за допомогою якого можна обирати записи.
---
Екземпляр `Cursor` має метод `.execute()`, що отримує SQL параметри для виконання у базі даних.
## --video-solution--
3

View File

@ -0,0 +1,76 @@
---
id: 5e9a093a74c4063ca6f7c161
title: 'Зчитування даних: Вступ'
challengeType: 11
videoId: cDnt02BcHng
bilibiliIds:
aid: 548023524
bvid: BV1Nq4y1K7iV
cid: 409020187
dashedName: reading-data-introduction
---
# --description--
*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*
Додаткові ресурси:
- [Блокноти на GitHub](https://github.com/krishnatray/RDP-Reading-Data-with-Python-and-Pandas)
- [Як відкрити блокноти з GitHub використовуючи Google Colab.](https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb)
# --question--
## --text--
Маючи файл `certificates.csv` з наступним вмістом:
<pre>
Name$Certificates$Time (in months)
Tom$8$16
Kris$2$5
Ahmad$5$9
Beau$6$12
</pre>
Заповніть пропуски із відсутніми аргументами нижче:
```py
import csv
with open(__A__, 'r') as fp:
reader = csv.reader(fp, delimiter=__B__)
next(reader)
for index, values in enumerate(reader):
name, certs_num, months_num = values
print(f"{name} earned {__C__} certificates in {months_num} months")
```
## --answers--
A: `'certificates.csv'`
B: `'-'`
C: `values`
---
A: `'certificates.csv'`
B: `'$'`
C: `certs_num`
---
A: `'certificates'`
B: `'$'`
C: `certs_num`
## --video-solution--
2

View File

@ -0,0 +1,54 @@
---
id: 5e9a0a8e09c5df3cc3600ed4
title: 'Доступ та зміна елементів, рядків, стовпців'
challengeType: 11
videoId: v-7Y7koJ_N0
bilibiliIds:
aid: 590517748
bvid: BV1Eq4y1f7Fa
cid: 409025392
dashedName: accessing-and-changing-elements-rows-columns
---
# --question--
## --text--
Який код змінить значення у 3 стовпці обох масивів Numpy на 20?
```py
a = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
# Output:
# [[ 1 2 20 4 5]
# [ 6 7 20 9 10]]
```
## --answers--
```python
a[:, 3] = 20
```
---
```python
a[2, :] = 20
```
---
```python
a[:, 2] = 20
```
---
```python
a[1, 2] = 20
```
## --video-solution--
3

View File

@ -0,0 +1,49 @@
---
id: 5e9a0a8e09c5df3cc3600ed3
title: Основи Numpy
challengeType: 11
videoId: f9QrZrKQMLI
bilibiliIds:
aid: 763014202
bvid: BV1K64y1a7bu
cid: 409025169
dashedName: basics-of-numpy
---
# --question--
## --text--
Що буде друкувати наступний код?
```python
b = np.array([[1.0,2.0,3.0],[3.0,4.0,5.0]])
print(b)
```
## --answers--
```python
[[1.0 2.0 3.0]
[3.0 4.0 5.0]]
```
---
```python
[[1. 2. 3.]
[3. 4. 5.]]
```
---
```python
[[1. 3.]
[2. 4.]
[3. 5.]
```
## --video-solution--
2

View File

@ -0,0 +1,48 @@
---
id: 5e9a0a8e09c5df3cc3600ed7
title: Попередження про копіювання масивів
challengeType: 11
videoId: iIoQ0_L0GvA
bilibiliIds:
aid: 633008569
bvid: BV1Bb4y127fb
cid: 409026161
dashedName: copying-arrays-warning
---
# --question--
## --text--
Яке значення `a` після запуску наступного коду?
```py
import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = a
b[2] = 20
```
## --answers--
```python
[1 2 3 4 5]
```
---
```python
[1 2 20 4 5]
```
---
```python
[1 20 3 4 5]
```
## --video-solution--
2

View File

@ -0,0 +1,65 @@
---
id: 5e9a0a8e09c5df3cc3600ed6
title: Задача з ініціалізації масиву
challengeType: 11
videoId: 0jGfH8BPfOk
bilibiliIds:
aid: 763027834
bvid: BV1w64y1a7eo
cid: 409025878
dashedName: initialize-array-problem
---
# --question--
## --text--
Який код створить наступний масив?
```py
[[0. 0. 0. 0. 0. 0. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 1. 1. 5. 1. 1. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 1. 1. 1. 1. 1. 0.]
[0. 0. 0. 0. 0. 0. 0.]]
```
## --answers--
```py
output = np.ones((7, 7))
z = np.zeros((5, 5))
z[2, 2] = 5
output[1:1, -1:-1] = z
```
---
```py
output = np.zeros((7,7))
z = np.ones((5, 5))
z[2, 2] = 5
output[1:-1, 1:-1] = z
```
---
```py
output = np.ones((7, 7))
z = np.zeros((5, 5))
z[3, 3] = 5
output[1:-1, 1:-1] = z
```
## --video-solution--
2

View File

@ -0,0 +1,48 @@
---
id: 5e9a0a8e09c5df3cc3600ed5
title: Ініціалізація різних масивів
challengeType: 11
videoId: CEykdsKT4U4
bilibiliIds:
aid: 718044756
bvid: BV1MQ4y1k7BB
cid: 409025638
dashedName: initializing-different-arrays
---
# --question--
## --text--
Що буде виведено на екран у результаті наступного коду?
```py
a = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
print(np.full_like(a, 100))
```
## --answers--
```py
[[100 100 100 100 100]]
```
---
```py
[[100 100 100 100 100]
[100 100 100 100 100]]
```
---
```py
[[ 1 2 3 4 5]
[ 6 7 20 9 10]]
```
## --video-solution--
2

View File

@ -0,0 +1,60 @@
---
id: 5e9a0a8e09c5df3cc3600eda
title: Завантаження даних і складне індексування
challengeType: 11
videoId: tUdBZ7pF8Jg
bilibiliIds:
aid: 720524642
bvid: BV1xQ4y1r7mu
cid: 409027117
dashedName: loading-data-and-advanced-indexing
---
# --question--
## --text--
Дано файл з назвою `data.txt` та наступним вмістом:
<pre>
29,97,32,100,45
15,88,5,75,22
</pre>
Який код створить наступний масив?
```py
[29. 32. 45. 15. 5. 22.]
```
## --answers--
```py
filedata = np.genfromtxt('data.txt', delimiter=',')
output = np.any(filedata < 50)
print(output)
```
---
```py
filedata = np.genfromtxt('data.txt', delimiter=',')
output = np.all(filedata < 50, axis=1)
print(output)
```
---
```py
filedata = np.genfromtxt('data.txt', delimiter=',')
output = filedata[filedata < 50]
print(output)
```
## --video-solution--
3

View File

@ -0,0 +1,53 @@
---
id: 5e9a0a8e09c5df3cc3600ed8
title: Математика
challengeType: 11
videoId: 7txegvyhtVk
bilibiliIds:
aid: 890533226
bvid: BV1KP4y1h733
cid: 409026503
dashedName: mathematics
---
# --question--
## --text--
Яким буде значення `b` після застосування наступного коду?
```py
import numpy as np
a = np.array(([1, 2, 3, 4, 5], [6, 7, 8, 9, 10]))
b = np.max(a, axis=1).sum()
```
## --answers--
```py
10
```
---
```py
7
```
---
```py
5
```
---
```py
15
```
## --video-solution--
4

View File

@ -0,0 +1,53 @@
---
id: 5e9a0a8e09c5df3cc3600ed9
title: Реорганізація масивів
challengeType: 11
videoId: VNWAQbEM-C8
bilibiliIds:
aid: 548035655
bvid: BV1fq4y1N7aC
cid: 409026755
dashedName: reorganizing-arrays
---
# --question--
## --text--
Який код створить наступний масив?
```py
[[1. 1.]
[1. 1.]
[1. 1.]
[1. 1.]]
```
## --answers--
```py
a = np.ones((2, 4))
b = a.reshape((4, 2))
print(b)
```
---
```py
a = np.ones((2, 4))
b = a.reshape((2, 4))
print(b)
```
---
```py
a = np.ones((2, 4))
b = a.reshape((8, 1))
print(b)
```
## --video-solution--
1

View File

@ -0,0 +1,38 @@
---
id: 5e9a0a8e09c5df3cc3600ed2
title: Що таке NumPy
challengeType: 11
videoId: 5Nwfs5Ej85Q
bilibiliIds:
aid: 293086867
bvid: BV1Tf4y1E7QZ
cid: 409024791
dashedName: what-is-numpy
---
# --question--
## --text--
Чому числові масиви NumPy швидші, ніж звичайні масиви Python?
## --answers--
Числові масиви NumPy не проходить перевірку типу під час ітерації через об'єкти.
---
Числові масиви NumPy використовують сталі типи.
---
Числові масиви NumPy використовують безперервну пам'ять.
---
Усе перелічене вище.
## --video-solution--
4