import unittest
import user_code  # ÐºÐ¾Ð´ ÑÑÑÐ´ÐµÐ½ÑÐ°

def _dynamic(tc, ok, ok_msg, fail_msg):
    tc._testMethodName = ok_msg if ok else fail_msg
    (tc.assertTrue if ok else tc.fail)(tc._testMethodName)

class TestCustomerSets(unittest.TestCase):

    def test_input_lists_present(self):
        new_list = getattr(user_code, "new_customers", None)
        rep_list = getattr(user_code, "repeat_customers", None)
        ok = isinstance(new_list, list) and isinstance(rep_list, list)
        _dynamic(self, ok,
                 "PASS: input lists present",
                 f"FAIL: input lists missing or wrong types (new_customers={type(new_list).__name__ if new_list is not None else None}, "
                 f"repeat_customers={type(rep_list).__name__ if rep_list is not None else None})")

    def test_base_sets_correct(self):
        new_list = getattr(user_code, "new_customers", [])
        rep_list = getattr(user_code, "repeat_customers", [])
        exp_new = set(new_list)
        exp_rep = set(rep_list)

        set_new = getattr(user_code, "set_new", None)
        set_repeat = getattr(user_code, "set_repeat", None)

        reasons = []
        if set_new != exp_new:
            reasons.append(f"set_new != set(new_customers); got {set_new}")
        if set_repeat != exp_rep:
            reasons.append(f"set_repeat != set(repeat_customers); got {set_repeat}")

        _dynamic(self, len(reasons) == 0,
                 "PASS: set_new and set_repeat are correct",
                 "FAIL: " + " | ".join(reasons) if reasons else "FAIL")

    def test_derived_sets_correct(self):
        new_list = getattr(user_code, "new_customers", [])
        rep_list = getattr(user_code, "repeat_customers", [])
        A = set(new_list)
        B = set(rep_list)

        exp_union = A | B
        exp_inter = A & B
        exp_new_only = A - B

        all_customers = getattr(user_code, "all_customers", None)
        shared_customers = getattr(user_code, "shared_customers", None)
        exclusive_new = getattr(user_code, "exclusive_new", None)

        reasons = []
        if all_customers != exp_union:
            reasons.append(f"all_customers mismatch; expected={exp_union}, got={all_customers}")
        if shared_customers != exp_inter:
            reasons.append(f"shared_customers mismatch; expected={exp_inter}, got={shared_customers}")
        if exclusive_new != exp_new_only:
            reasons.append(f"exclusive_new mismatch; expected={exp_new_only}, got={exclusive_new}")

        _dynamic(self, len(reasons) == 0,
                 "PASS: all_customers, shared_customers, exclusive_new are correct",
                 "FAIL: " + " | ".join(reasons) if reasons else "FAIL")


test_code.py

Beherrschung der mathematischen Grundlagen, die für Data Science unerlässlich sind. Untersuchung zentraler Konzepte in Funktionen, Analysis, Linearer Algebra, Wahrscheinlichkeit und Dimensionsreduktion. Aufbau sowohl theoretischer Kenntnisse als auch praktischer Programmiererfahrung zur Stärkung der Fähigkeiten in Datenanalyse, Modellierung komplexer Systeme und Anwendung fortgeschrittener Methoden im maschinellen Lernen.

Erkunden Sie die Grundlagen mathematischer Funktionen. Verschiedene Typen algebraischer und transzendenter Funktionen, deren Eigenschaften sowie deren Implementierung in Python zur Lösung praxisnaher Probleme.

Beherrschen Sie die Konzepte von Mengen und Reihen, von grundlegenden Operationen bis zu praktischen Anwendungen. Sammeln Sie praktische Erfahrungen bei der Implementierung von Mengenoperationen sowie beim Arbeiten mit arithmetischen und geometrischen Reihen in Python.

Fundiertes Verständnis von Grenzwerten, Ableitungen, Integralen und partiellen Ableitungen. Verbindung von Theorie und Praxis durch Implementierung dieser Konzepte in Python und Anwendung auf Optimierung mittels Gradientenabstieg.

Fundierte Kenntnisse über Vektoren, Matrizen und Transformationen. Vermittlung von Zerlegungsmethoden und Eigenwertanalyse, mit Vertiefung der Konzepte durch Python-Programmierungsaufgaben und praxisnahe Anwendungen in der Datenwissenschaft.

Vertiefung in Wahrscheinlichkeitstheorie und Statistik. Untersuchung von bedingter Wahrscheinlichkeit, Satz von Bayes und statistischen Kennzahlen. Umsetzung zentraler Konzepte in Python, Simulation von Verteilungen sowie Festigung der Kenntnisse durch Herausforderungen und Quizfragen.

Herausforderung: Kundensegmentierung mit Mengen

Lösung

Awesome!

Herausforderung: Kundensegmentierung mit Mengen

Lösung