
Dr. Dre
Модератор
- Регистрация
- 02.10.20
- Сообщения
- 67,845
- Реакции
- 138,874
- #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
- [Валерий Манохин, Артем Груздев] [ДМК] Конформное прогнозирование в Python (2024)
- [Роман Бухарев] Хакинг на Python (2024)
- [Stepik] SQL для анализа данных (2024)
- [Stepik] Python. Микросервисы. Backend на FastAPI (2024)
- [Андрей Сумин] [Stepik] Java с нуля до Junior + Подготовка к собеседованию (2024)
- [HTML Academy] Профессиональный онлайн-курс Vite (2024)
- [Thinknetica] Владимир Дементьев ― Профилирование и оптимизация тестов Rails-приложений (2024)
- [Илья Карельцев] [Eccentric Games] Основы создания игры на Unity (2024)
- [Евгений Окулик] Автоматизация тестирования на Python. Тариф Без домашних заданий (2024)
- [Вадим Сайфутдинов] Создание бота Telegram. Обмен между 1С и мессенджером Telegram через API (2024)