[Stepik] Максим Дуплей — Погружение в Data Science и машинное обучение (2024) 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. Курс состоит из 4 основных блоков, где в каждом блоке предусмотрены уроки и соответствующие шаги с теорией и практикой: 1. Введение Вы 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. Продажник: ↓ Скачать: ↓
Скачать Stepik, Максим Дуплей — Погружение в Data Science и машинное обучение (2024) слив курса.
Текущее время: Сегодня 09:45
Часовой пояс: GMT + 4
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы
