Разведочный анализ данных

Разведочный анализ данных

ФорматОнлайн

Длительность4-5 часов в неделю

Объём9 занятий

О курсе

Подробнее

Содержание Введение в разведочный анализ данных Настройка рабочего окружения. Virtual environment в Python Разведочный анализ данных: продолжение. Библиотека Polars Знакомство с Linux Git: практика Линейные модели машинного обучения Основы работы в Docker Пайплайн проекта по машинному обучению Важно! Материалы курса основаны на интенсиве, который прошел в июле 2023 года. Записи занятий, тесты, практические задания и весь дополнительный материал выложены на Stepik и канале в Telegram. Смотреть вебинары и сдавать практику можно в любое время!

Требования

Что нужно для старта

знание языка Python на базовом или среднем уровне
знание математики в рамках школьной программы

Результат

Что вы получите

Познакомитесь с основными и продвинутыми подходами анализа данных
Научитесь исследовать данные при помощи современных библиотек (NumPy, Pandas, Polars, Matplotlib, Seaborn)
Обучите свою первую модель машинного обучения
Построите интерактивный дашборд
Начнете использовать такие инструменты разработчика как Git и Docker

Аудитория

Для кого этот курс

Курс будет вам интересен, если вы еще не знакомы или только начинаете свое знакомство с машинным обучением и хотите получить обширные навыки первичного анализа данных, узнать о простых ML-моделях. Также курс для вас, если вы уже знакомы с машинным обучением, но хотите разобраться в современных подходах к анализу данных (библиотеки - Polars, ExplainerDashboard), а также желаете узнать, какие инструменты в проектах по машинному обучению активно используют помимо Jupyter Notebook.

Содержание

Программа курса

9 занятий

№ТемаЧто внутри

01Организация курса

- О курсе
- Тест по математике
- Тест по Python
- Проектное задание

02Введение в разведочный анализ данных

- Основы анализа данных
- Домашнее задание

03Настройка рабочего окружения

- Установка Linux
- Рабочее окружение ML разработчика

04Анализ данных. Продолжение

- Инструменты анализа данных. Polars versus Pandas
- Домашнее задание

05Знакомство с Linux

- Базовые команды терминала
- Полезные утилиты

06Введение в машинное обучение

- Постановка задачи
- Permutation importance
- Shapley values
- Домашнее задание

07Пайплайн проекта по машинному обучению

- Пайплайн проекта. Построение интерактивных дашбордов
- Домашнее задание

08Docker

- Знакомство с Docker
- Создание образа
- Деплой ExplainerDashboard

09Сдача проекта!

- Финальное задание
- Что дальше?
- Полезные ссылки

01Организация курса

- О курсе
- Тест по математике
- Тест по Python
- Проектное задание

02Введение в разведочный анализ данных

- Основы анализа данных
- Домашнее задание

03Настройка рабочего окружения

- Установка Linux
- Рабочее окружение ML разработчика

04Анализ данных. Продолжение

- Инструменты анализа данных. Polars versus Pandas
- Домашнее задание

05Знакомство с Linux

- Базовые команды терминала
- Полезные утилиты

06Введение в машинное обучение

- Постановка задачи
- Permutation importance
- Shapley values
- Домашнее задание

07Пайплайн проекта по машинному обучению

- Пайплайн проекта. Построение интерактивных дашбордов
- Домашнее задание

08Docker

- Знакомство с Docker
- Создание образа
- Деплой ExplainerDashboard

09Сдача проекта!

- Финальное задание
- Что дальше?
- Полезные ссылки

Организатор

Автор курса

Stepik

4.6Нет отзывов

Stepik — образовательная платформа и конструктор онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем в проведении олимпиад и программ переподготовки. Наша цель — сделать образование открытым и удобным. Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.

Подробнее об авторе

Мнения учеников