Курсы Python for Data science

Python and Data Science

Вернуть к списку курсов    Описание курса    Зарегистрироваться    Задать вопрос

Цена (Сом)
10000 сомов в месяц

Продолжительность
5 месяцев, продолжительность каждого занятия - 2 часа

Расписание
Пон, ср, пятн 19:00 - 21:00

Дата начала занятия
В середине февраля

Data Scientist (дата-сайентист или дата саентист) обрабатывает и анализирует массивы больших данных (Big Data), чтобы с использованием алгоритмов машинного обучения найти в них новые связи и закономерности и построить прогнозную алгоритмическую модель, которую можно использовать для решения задач бизнеса, науки, повседневной жизни.

Главные задачи Data Scientist´а:
• извлекать необходимую информацию из самых разнообразных источников, используя информационные потоки в режиме реального времени;
• устанавливать скрытые закономерности в массивах данных и статистически анализировать их для принятия грамотных бизнес-решений.

Хорошие знания статистики и алгебры являются залогом успешной работы в области Data Science. Понимание этих дисциплин позволит вам не просто бездумно использовать большинство алгоритмов машинного обучения, а делать это осмысленно, правильно подготавливая и настраивая данные.

В третьем блоке курса погрузимся в мир Data Science – научимся работать с данными в Python, извлекать аналитику из данных и строить классические алгоритмы машинного обучения, которые применяются для решения большого количества задач в Data Science. С полученными знаниями вы сможете самостоятельно углубиться в интересующую вас область машинного обучения и освоить самые продвинутые алгоритмы.

Сертификат – выдается после успешного завершения курса.

После завершения курса у лучших студентов курса будет возможность пройти стажировку в компаниях Кыргызстана.

ТЕМЫ:

1. Основы программирования на Python
   • Введение в Python
   • Концепции типов данных
   • Условные операторы и циклы
   • Работа со строками и форматирование
   • Базовые структуры данных. Операции и методы
2. Основы статистики и математики
   • Основы статистики
   • Базовые концепции линейной алгебры
3. Data Science
   • Основы работы с данными в Python
   • NumPy, Pandas для анализа данных
   • Первичный анализ и подготовка данных
   • Визуальный анализ данных с Python
   • Конструирование признаков
   • Библиотеки Python для машинного обучения
   • Линейные модели классификации и регрессии
   • Деревья решений и их композиции
   • Обучение без учителя: итеративные и иерархические методы кластеризации
   • Проблема снижения размерности