Python для Data Science
52 990 ₽
Станьте специалистом по анализу данных и машинному обучению. Изучите Python и его экосистему для работы с данными, научитесь строить и обучать модели машинного обучения.
О курсе
Python для Data Science - это интенсивная программа обучения для тех, кто хочет стать специалистом по анализу данных и машинному обучению. Курс охватывает все необходимые инструменты и техники для работы с данными на профессиональном уровне.
Вы научитесь собирать, очищать, анализировать и визуализировать данные, строить предсказательные модели и применять алгоритмы машинного обучения. Программа включает работу с реальными датасетами и кейсами из бизнеса.
Что вы получите:
- Глубокие знания Python для анализа данных
- Опыт работы с pandas, numpy, scikit-learn
- Навыки визуализации данных: matplotlib, seaborn, plotly
- Понимание статистики и математики для DS
- Знание алгоритмов машинного обучения
- Опыт работы с Jupyter Notebook
- Портфолио из 8 проектов по анализу данных
- Сертификат специалиста по Data Science
Программа курса
Модуль 1: Основы Python (4 недели)
- Синтаксис Python и основные конструкции
- Структуры данных: списки, словари, кортежи
- Функции и модули
- ООП в Python
- Работа с файлами и исключениями
Модуль 2: Работа с данными (6 недель)
- NumPy для численных вычислений
- Pandas для анализа данных
- Очистка и подготовка данных
- Объединение и трансформация датафреймов
- Работа с временными рядами
- Работа с SQL и базами данных
Модуль 3: Визуализация данных (3 недели)
- Matplotlib для создания графиков
- Seaborn для статистической визуализации
- Plotly для интерактивных визуализаций
- Dashboard на Streamlit
Модуль 4: Машинное обучение (7 недель)
- Основы машинного обучения
- Supervised Learning: регрессия и классификация
- Unsupervised Learning: кластеризация, PCA
- Оценка качества моделей
- Feature Engineering
- Ансамбли и бустинг
- Введение в глубокое обучение
Результаты обучения
После успешного завершения курса вы сможете:
- Программировать на Python для задач Data Science
- Собирать и очищать данные из различных источников
- Проводить разведочный анализ данных (EDA)
- Создавать информативные визуализации
- Применять статистические методы анализа
- Строить и обучать модели машинного обучения
- Оценивать качество моделей и улучшать их
- Работать с большими объемами данных
- Презентовать результаты анализа
Ваше портфолио будет включать:
- Анализ продаж интернет-магазина
- Предсказание оттока клиентов
- Рекомендательная система фильмов
- Анализ тональности отзывов
- Прогнозирование цен на недвижимость
- Сегментация клиентов
- Анализ временных рядов (прогноз продаж)
- Детектор мошеннических транзакций