Московский физико-технический институт Аналитик данных (повышение квалификации)
Всё для обучения
Как устроено обучение
О курсе
Подробнее
Программа повышения квалификации для корпоративного обучения сотрудников. На очных (онлайн или офлайн) занятиях под руководством опытного специалиста-практика сотрудники получат комплексные навыки анализа данных, требуемые для работы. Практические задания составляются на основе рабочих кейсов обучающихся. Программа адаптирована рабочие спринты: теория+реальные задачи+обратная связь от эксперта. Занятия проходят 2 раза в неделю по вечерам (3-4 ак.часа). Группа от 10 человек
Содержание
33 занятияПрограмма курса
№ТемаЧто внутри
01Списки и кортежи, структуры и сортировка структур. Множества и словари
Подробности будут доступны на странице курса
02Циклы for и while, функции и рекурсия. Лямбда-функции
Подробности будут доступны на странице курса
03Устройство функций в Python. Поиск ошибок в коде и отладка
Подробности будут доступны на странице курса
04Numpy
Подробности будут доступны на странице курса
05Pandas
Подробности будут доступны на странице курса
06Визуализация для презентации данных: matplotlib. Основные виды графиков. Создание интерактивных визуализаций: дашбордов
Подробности будут доступны на странице курса
07Сбор данных: web-scraping с BeautifulSoup
Подробности будут доступны на странице курса
08Сбор данных: Selenium, работа с сервисами через API
Подробности будут доступны на странице курса
09Работа с геоданными
Подробности будут доступны на странице курса
10Введение в базы данных
Подробности будут доступны на странице курса
11Язык запросов и типы данных
Подробности будут доступны на странице курса
12Секции и порядок выполнения
Подробности будут доступны на странице курса
13Базовые функции
Подробности будут доступны на странице курса
14Функции для работы с датой и временем
Подробности будут доступны на странице курса
15Операции Join
Подробности будут доступны на странице курса
16Оконные функции
Подробности будут доступны на странице курса
17Основы визуализации
Подробности будут доступны на странице курса
18Базовые показатели и их интерпретация
Подробности будут доступны на странице курса
19Введение в машинное обучение
Подробности будут доступны на странице курса
20Линейная регрессия
Подробности будут доступны на странице курса
21Градиентные методы обучения
Подробности будут доступны на странице курса
22Линейная классификация и метрики качества классификации
Подробности будут доступны на странице курса
23Логистическая регрессия и SVM
Подробности будут доступны на странице курса
24Многоклассовая классификация, работа с категориальными признаками и текстами
Подробности будут доступны на странице курса
25Решающие деревья
Подробности будут доступны на странице курса
26Бэггинг и случайные леса
Подробности будут доступны на странице курса
27Градиентный бустинг. Имплементации
Подробности будут доступны на странице курса
28Отбор признаков и понижение размерности
Подробности будут доступны на странице курса
29Кластеризация
Подробности будут доступны на странице курса
30Поиск аномалий
Подробности будут доступны на странице курса
31Рекомендательные системы
Подробности будут доступны на странице курса
32Ранжирование
Подробности будут доступны на странице курса
33Обзор полносвязных, сверточных, рекуррентных нейронных сетей
Подробности будут доступны на странице курса
01Списки и кортежи, структуры и сортировка структур. Множества и словари
02Циклы for и while, функции и рекурсия. Лямбда-функции
03Устройство функций в Python. Поиск ошибок в коде и отладка
04Numpy
05Pandas
06Визуализация для презентации данных: matplotlib. Основные виды графиков. Создание интерактивных визуализаций: дашбордов
07Сбор данных: web-scraping с BeautifulSoup
08Сбор данных: Selenium, работа с сервисами через API
09Работа с геоданными
10Введение в базы данных
11Язык запросов и типы данных
12Секции и порядок выполнения
13Базовые функции
14Функции для работы с датой и временем
15Операции Join
16Оконные функции
17Основы визуализации
18Базовые показатели и их интерпретация
19Введение в машинное обучение
20Линейная регрессия
21Градиентные методы обучения
22Линейная классификация и метрики качества классификации
23Логистическая регрессия и SVM
24Многоклассовая классификация, работа с категориальными признаками и текстами
25Решающие деревья
26Бэггинг и случайные леса
27Градиентный бустинг. Имплементации
28Отбор признаков и понижение размерности
29Кластеризация
30Поиск аномалий
31Рекомендательные системы
32Ранжирование
33Обзор полносвязных, сверточных, рекуррентных нейронных сетей
Документ после выпуска
Удостоверение о повышении квалификации
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Аналитик данных (повышение квалификации)» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Направления:Анализ данных
Информация обновлена 28 сентября 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
