Школы

Рейтинг на основе отзывов, авторитетности и популярности

Подборки

Полезные и актуальные курсы, отобранные вручную

Библиотеки Python для Data Science

Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
Записанные лекции
Сертификат
Сертификат
Есть

Стоимость курса

4 000 ₽
Нет рассрочки

Чему вы научитесь

  • Решать задачи классификации, кластеризации и регрессии
  • Проводить чистку данных от пропусков и выбросов
  • Корректно готовить данные для модели
  • Оценивать работу моделей
  • Улучшать качество предсказаний
  • Работа с Numpy, Pandas, Sklearn, Matplotlib, Seaborn

О курсе

Цели курса

  1. Разобраться в этапах проекта в Data Science
  2. Научиться решать задачи классификации, кластеризации, регрессии
  3. Усвоить тонкости работы с табличными данными через Pandas
  4. Освоить обучение моделей через Sklearn
  5. Познакомиться с подготовкой данных для моделей
  • Очистка
  • Кодирование признаков
  • Генерация новых признаков
  • Выбор признаков

Почему стоит выбрать именно этот курс

  1. В этом курсе 8 лекций с практическими упражнениями, которые покрывают основы Data Science.
  2. Решения заданий проверяются преподавателем.
  3. Поддержка преподавателя на всем пути изучения.
  4. Каждому нюансу уделяется особое внимание, информация разжевывается до мелочей и подается вам.

Какие особенности у курса

В этом курсе 8 лекций записанных лекций, которые взяты с занятий с группой студентов. Видео представленны трансляциями на youtube, где в формате живого общения рассказывается материал и даются ответы на вопросы студентов.

Что нужно будут делать

Нужно внимательно смотреть видео-лекции (60-120 минут), выполнять практические задания, которые будет проверять преподаватель,, выполнять тесты на усвоение материала с автоматической проверкой, не бояться ошибаться и экспериментировать с данными и моделями и наслаждаться процессом обучения.

Начальные требования

- Основы Python

- Основы статистики

Что вы получите после обучения

Навыки
1
Pandas
2
Google Colab
3
Анализ данных
4
Обучение без учителя
5
Улучшение модели
6
Задачи машинного обучения
7
Регрессия
8
Классификация
9
Улучшение качества данных

Школа

Stepik — образовательная платформа и конструктор онлайн-курсов.

Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем в проведении олимпиад и программ переподготовки.

Наша цель — сделать образование открытым и удобным.

Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.

Платформа Stepik включает в себя конструктор бесплатных занятий и уроков. Создать интерактивный обучающий курс может любой зарегистрированный пользователь. При этом авторы обучающих материалов сохраняют авторские права. Сервис не имеет ограничений по числу обучающихся на курсе.

Stepik имеет обширные возможности по созданию онлайн-курсов, обучающих занятий и уроков с использованием текстов, видео, картинок, тестовых задач, в процессе выполнения которых можно вести обсуждения с остальными обучающимися, а также с преподавателем. Всего в Stepik присутствует 20 типов заданий, проверка которых может осуществляться как в автоматическом, так и в ручном режиме.

Большим преимуществом данной платформы является возможность встраивать созданные материалы на сторонние сайты, например, Moodle и Canvas.

Кроме того, Stepik может использоваться в качестве площадки для проведения разнообразных мероприятий, таких как олимпиады и конкурсы.

Интерфейс платформы полностью русскоязычный, достаточно дружественный и интуитивно понятный. Платформа полностью бесплатна.

За каждый пройденный курс в Stepik обучающийся получает сертификат о прохождении. Получение сертификата также бесплатно.

Преподаватели

Data Scientist Являюсь/Являлась преподавателем в: 1. школе по машинному обучению от компании NapoleonIT 2. ЧелГУ 3. Нетология 4. GeekBrains 5. ИТМО Так же развиваю свой youtube канал, посвященный Машинному обучению:...
Data Scientist Являюсь/Являлась преподавателем в: 1. школе по машинному обучению от компании NapoleonIT 2. ЧелГУ 3. Нетология 4. GeekBrains 5. ИТМО Так же развиваю свой youtube канал, посвященный Машинному обучению: https://www.youtube.com/c/machinelearrrning

Программа курса

Введение

1. Приветствие
2. Google Colab

Анализ данных

1. Первичный анализ данных 
2. Практические задания Pandas 
3. Визуальный анализ данных
4. Практические задания Визуализация

Задачи машинного обучения

1. Регрессия
2. Практические задания Регрессия
3. Классификация
4. Практические задания Классификация

Улучшение качества данных и модели

1. Улучшение качества данных
2. Практические задания Данные
3. Улучшение качества модели
4. Практические задания Улучшение модели

Проекты

1. Обучение без учителя
2. Практические задания Unsupervised learning
3. "Деревянные" модели
4. Проект 

Рейтинг курса

4
Может быть интересно
Библиотеки Python для Data Science
На сайт курса

Библиотеки Python для Data Science