Научитесь работать с Python, решая проекты в области Data Science. От анализа данных до создания рекомендательных систем.
Чему вы научитесь:
Обрабатывать данные на реальных проектах, используя Python.
Изучите различные библиотеки Python для обработки данных и построения моделей машинного обучения.
Научитесь визуализировать данные с помощью Python.
Освоите алгоритмы supervised learning: логистическая регрессия, линейная регрессия, дерево решений, случайный лес, SVM.
Узнаете, как применять алгоритмы для сегментации, такие как K-means clustering (unsupervised learning).
Научитесь использовать модели временных рядов (Time Series models).
Используете ансамблевое обучение: AdaBoost, Gradient Boosting, XGBoost.
Создадите систему рекомендаций и познакомитесь с text mining.
Узнаете о deep learning, используя TensorFlow и Keras: Convolutional Networks, Recurrent Neural Networks.
Материалы курса:
6 разделов • 12 лекций • Общая продолжительность 3 ч 35 мин
Введение
Проект 1: Анализ данных Федерального управления гражданской авиации
Проект 2: Анализ данных пожарной части Нью-Йорка
Проект 3: Построение модели ML для прогнозирования продаж в зависимости от рекламного бюджета
Проект 4: Построение модели ML для прогнозирования заболевания диабетом на основе медицинских показателей
Проект 5: Анализ данных по автомобилям и построение графиков зависимости
Требования:
Интерес к решению практических задач. Навыки программирования не обязательны. Основы изучите на примерах.
Описание:
Курс охватывает проблемы и задачи, с которыми сталкиваются Data Scientist-ы. Поскольку курс рассчитан на начинающих, мы детально разбираем некоторые аспекты, которые могут показаться скучными тем, кто уже имеет опыт работы в данной области. Сложность задач увеличивается постепенно.
Цель курса - показать природу задач в Data Science и помочь учащимся быстро понять, подходит ли им эта область для дальнейшего развития, или это не совсем то, что они ожидали от Data Science. Курс также поможет новичкам быстро влиться в эту сферу, решая разнообразные задачи.
В ходе курса мы будем использовать Jupyter Notebook. Данные для анализа будут предоставлены в файлах, которые необходимо будет обрабатывать с помощью Python.
Для кого этот курс:
Курс предназначен для тех, кто хочет на практике узнать, что такое Data Science. Это курс для начинающих, которые никогда не использовали Python для решения задач в области Data Science. Первая половина курса может не заинтересовать тех, кто уже имеет опыт работы с Python в области анализа данных и построения моделей.
Преподаватель: Ержан Елемесов
Менеджер по продукту / Специалист по данным / Аналитик данных
Я имею степень бакалавра прикладной математики Московского государственного университета имени Ломоносова (Москва, Россия) и степень магистра математики Карлтонского университета (Оттава, Канада).
Язык:
Русский
Продажник
Скачать
Чему вы научитесь:
Обрабатывать данные на реальных проектах, используя Python.
Изучите различные библиотеки Python для обработки данных и построения моделей машинного обучения.
Научитесь визуализировать данные с помощью Python.
Освоите алгоритмы supervised learning: логистическая регрессия, линейная регрессия, дерево решений, случайный лес, SVM.
Узнаете, как применять алгоритмы для сегментации, такие как K-means clustering (unsupervised learning).
Научитесь использовать модели временных рядов (Time Series models).
Используете ансамблевое обучение: AdaBoost, Gradient Boosting, XGBoost.
Создадите систему рекомендаций и познакомитесь с text mining.
Узнаете о deep learning, используя TensorFlow и Keras: Convolutional Networks, Recurrent Neural Networks.
Материалы курса:
6 разделов • 12 лекций • Общая продолжительность 3 ч 35 мин
Введение
Проект 1: Анализ данных Федерального управления гражданской авиации
Проект 2: Анализ данных пожарной части Нью-Йорка
Проект 3: Построение модели ML для прогнозирования продаж в зависимости от рекламного бюджета
Проект 4: Построение модели ML для прогнозирования заболевания диабетом на основе медицинских показателей
Проект 5: Анализ данных по автомобилям и построение графиков зависимости
Требования:
Интерес к решению практических задач. Навыки программирования не обязательны. Основы изучите на примерах.
Описание:
Курс охватывает проблемы и задачи, с которыми сталкиваются Data Scientist-ы. Поскольку курс рассчитан на начинающих, мы детально разбираем некоторые аспекты, которые могут показаться скучными тем, кто уже имеет опыт работы в данной области. Сложность задач увеличивается постепенно.
Цель курса - показать природу задач в Data Science и помочь учащимся быстро понять, подходит ли им эта область для дальнейшего развития, или это не совсем то, что они ожидали от Data Science. Курс также поможет новичкам быстро влиться в эту сферу, решая разнообразные задачи.
В ходе курса мы будем использовать Jupyter Notebook. Данные для анализа будут предоставлены в файлах, которые необходимо будет обрабатывать с помощью Python.
Для кого этот курс:
Курс предназначен для тех, кто хочет на практике узнать, что такое Data Science. Это курс для начинающих, которые никогда не использовали Python для решения задач в области Data Science. Первая половина курса может не заинтересовать тех, кто уже имеет опыт работы с Python в области анализа данных и построения моделей.
Преподаватель: Ержан Елемесов
Менеджер по продукту / Специалист по данным / Аналитик данных
Я имею степень бакалавра прикладной математики Московского государственного университета имени Ломоносова (Москва, Россия) и степень магистра математики Карлтонского университета (Оттава, Канада).
Язык:
Русский
Продажник
Скачать
Больше тем из этой категории
- [Вадим Прокопчук] [Udemy] Верстка сайта c использованием Gulp в модульном Bento стиле (2024)
- [Андрей Суховицкий] [Udemy] RabbitMQ - Базовые и продвинутые концепты. Event driven (2024)
- [Андрей Борисенко] [Udemy] Инвестирование. Все секреты умножения денег в одном курсе! (2024)
- [Александр Сокирка] [Udemy] Руководство по WordPress FSE (Gutenberg/JavaScript/React) (2023)
- [Udemy] Продавайте фотографии, футаджи и нейро картинки на стоках (2024)