Dr. Dre
Модератор
- Регистрация
- 02.10.20
- Сообщения
- 66,563
- Реакции
- 181,814
- #1
Голосов: 0
Чему вы научитесь
- Программировать на Python с нуля
- Использовать популярные библиотеки Pandas и Scikit-learn
- Обучать модели машинного обучения
- Визуализировать результаты при помощи Matplotlib и Seaborn
- Разбираться в метриках для оценки результата
- Интерпретировать результат моделей ML
Data Science - это популярная предметная область, которая занимает одну из лидирующих позиций среди других областей в ИТ.
Специалисты, которые занимаются анализом данных и машинным обучением очень востребованы во многих странах мира, в том числе и в России.
В дальнейшем эта сфера будет еще больше развиваться, так как многие компании понимают, что именно Data Scientist может привнести огромный вклад в развитие компании, который выражается также в денежном эквиваленте.
Этот курс не перегружен математическими формулами и выводами, задача познакомиться с областью, научиться практическим навыкам, а также сформировать целостную картинку о грамотном и поэтапном обучении моделей.
Структура курса:
1. ВведениеВы сможете узнать, что такое Data Science, чем данная область отличается от Machine Learning, а также чем занимаются специалисты в этих направлениях науки.
Познакомитесь с инструментом для анализа данных Python, а также средой разработки Jupyter Notebook.
Попробуем с вами установить их для дальнейшей полноценной работы.
2. Основы Python
В этом блоке вы сможете с нуля познакомиться с языком программирования Python: переменные, типы данных, функции, ООП. Набора перечисленных тем для начального этапа хватит для изучения и применения моделей машинного обучения.
Также вас ждут практические задания, где вы сможете отточить свои навыки программирования.
3. Библиотеки для визуализации и анализа данных
Вы познакомитесь с необходимыми инструментами, которые полезны в предварительном анализе данных, перед тем как будем обучать модель.
Это популярная библиотека Pandas для работы с табличными данными, Matplotlib и Seaborn - библиотеки для визуализации данных и результатов, в том числе обучения моделей.
4. Машинное обучение
В этом блоке мы познакомимся с моделями машинного обучения: как они работают, в какой ситуации какую модели применять.
Также разберем библиотеку Scikit-learn, где уже реализовано большинство ML моделей.
Научимся поэтапно выполнять предобработку данных, обучать модели, а также интерпретировать их результат.
Курс ведет: Stepik
О курсе от автора:
Скачать материалы курса:
Материал может быть удалён по требованию правообладателя
Похожие темы
- [Дмитрий Лаврик] Фреймворк Laravel (2024)
- [Дмитрий Елисеев] [deworker.pro] Большой стрим про SOLID и GRASP (2024)
- [Георгий Самойлов, Иван Ильченко] Горутины и каналы в Go: задачи с собеседований и паттерны (2024)
- [IT Start] Создание телеграм-ботов на Python с фреймворком Aiogram 3 (2024)
- [PurpleSchool] Neovim - практика и настройка (2024)
- [Илья Яковлев] Онлайн-курс по архитектуре игр в Unity (2023)
- [Ирина Куликова] Нейросети на Python. Основы ИИ и машинного обучения (2024)
- [Аве Кодер] [Stepik] Flet - фуллстэк разработка приложений на чистом Python (2024)
- [Denzl YouTube] Курс по Roblox Studio за 10 уроков (2024)
- [Stepik] Максим Дуплей — Программирование на Python для начинающих (2024)