- Регистрация
- 24.09.2021
- Сообщения
- 38 211
ВАЖНО !
Курс в любой момент может быть заблокирован
при получении ссылки советую сразу же его скачать ибо работоспособность ссылки может быть прекращена
Краткая программа специализации
Основы программирования на Python + Python для анализа данных
Введение в программирование на Python
Анализ данных в Pandas и NumPy
Визуализация, очистка данных и Feature Engineering
Работа c файлами, HTML-страницами и API
Подгрузка данных
Выгрузка данных из разных источников с помощью Python
Выгрузка баз данных с помощью SQL
Выбор подходящих данных для решения задач
Разведывательный анализ данных
Разведывательный анализ с помощью Pandas, Numpy
Основы статистики и проверка статистических гипотез
ML-эксперименты
Использование ML-Flow
Feature Engineering
Введение в машинное обучение
Задачи классификации, регрессии и кластеризации
Отбор и селекция признаков
Валидация данных
Оптимизация гиперпараметров и улучшение качества модели
Математика и углубленное машинное обучение
Линейная алгебра
Матанализ и методы оптимизации
Основы теории вероятности
Основные модели машинного обучения
Оценка качества алгоритмов
ML в бизнесе
Математические и ML модели временных рядов
Рекомендательные системы
Мachine Learning в production
Оценка эффективности моделей в реальных бизнес-задачах
Дополнительные модули по Deep Learning и Data Engineering
Курс в любой момент может быть заблокирован
при получении ссылки советую сразу же его скачать ибо работоспособность ссылки может быть прекращена
Краткая программа специализации
Основы программирования на Python + Python для анализа данных
Введение в программирование на Python
Анализ данных в Pandas и NumPy
Визуализация, очистка данных и Feature Engineering
Работа c файлами, HTML-страницами и API
Подгрузка данных
Выгрузка данных из разных источников с помощью Python
Выгрузка баз данных с помощью SQL
Выбор подходящих данных для решения задач
Разведывательный анализ данных
Разведывательный анализ с помощью Pandas, Numpy
Основы статистики и проверка статистических гипотез
ML-эксперименты
Использование ML-Flow
Feature Engineering
Введение в машинное обучение
Задачи классификации, регрессии и кластеризации
Отбор и селекция признаков
Валидация данных
Оптимизация гиперпараметров и улучшение качества модели
Математика и углубленное машинное обучение
Линейная алгебра
Матанализ и методы оптимизации
Основы теории вероятности
Основные модели машинного обучения
Оценка качества алгоритмов
ML в бизнесе
Математические и ML модели временных рядов
Рекомендательные системы
Мachine Learning в production
Оценка эффективности моделей в реальных бизнес-задачах
Дополнительные модули по Deep Learning и Data Engineering