Robot_dreams
Глобальный
Курс
Online
В любой момент
16 онлайн-занятий по вторникам и субботам
Стоимость курса
400 USD
по промокоду DEVBY скидка 5%
Подробности и регистрация

Python для Data Science

Авторский курс
Навыки, которые вы получите:
Linux Data structure Data science Functional programming Python

Для кого

  • Аналитикам
  • Разработчикам

Необходимые знания 

  • Линейная алгебра
  • Статистика
  • Фитон

Чему вы научитесь 

  • очистка данных и поиск отсутствующих значений
  • прогнозирование и классификация
  • кластерный анализ данных и поиск взаимосвязей
  • запуск a/b-тестирований и валидация теории
  • запуск a/b-тестирований и валидация теории
  • Инструменты: Научитесь работать с цифрами и математическими формулами в NumPy, с табличными данными ― в Pandas, с визуализацией ― в Matplotlib, Seaborn и Plotly. И освойте еще 6 библиотек Python для науки о данных
  • Сильный контент: Получите обзор основных задач Data Science, разберите базовые типы визуализаций и моделей регрессий, техники построения ансамблей и моделей машинного обучения.
  • Практика: Во время обучения вас ждет очень много практики. Вы будете выполнять сложные домашние задания и получать фидбек от лектора по каждому
  • Карьера: Значительно расширите стек навыков, сможете внедрить новые решения на текущей работе и заложите фундамент для развития в Data Science

Программа

  • Введение в Data Science. Знакомство с задачами и инструментами
  • NumPy. Линейная алгебра и статистика
  • Pandas. Работа с табличными данными
  • Matplotlib и Seaborn. Визуализация данных
  • Продвинутые и интерактивные визуализации с Plotly. Exploratory Data Analysis и очистка данных
  • Прогнозирование. Линейная регрессия и градиентный спуск
  • Прогнозирование. Выбор наилучшей модели и перекрестная валидация
  • Прогнозирование. Другие виды регрессий
  • Классификация. Логистическая регрессия
  • Деревья принятия решений
  • Ансамбли моделей
  • Алгоритмы бустинга: адаптивный и градиентный бустинг. Библиотеки CatBoost и XGBoost
  • Кластерный анализ данных
  • Отбор признаков и уменьшение соразмерности данных
  • Поиск и устранение отсутствующих значений
  • Статистический анализ данных
Нам нужен ваш фидбек!
Честный и беспристрастный