Этот курс - лучший способ начать с нуля и стать специалистом по Машинному Обучению в Python!

Отличительная особенность этого курса - низкий порог входа в машинное обучение, без необходимости глубоко погружаться в математику раньше времени. Внутри курса математика добавляется постепенно - таким образом, что даже гуманитарии успешно проходят этот курс и пишут об этом в отзывах.

Если во время прохождения курса у Вас возникнут какие-либо вопросы, то смело задавайте их в комментариях к лекциям - я как автор курса с удовольствием отвечу на все Ваши вопросы!

Для отработки навыков в курсе много практики - проверочные задания с различными данными (датасетами), а также большие проверочные проекты, с разбором решений.

В этом курсе Вы изучите следующие темы:

- NumPy в Python

- Детальное изучение Pandas для анализа и предварительной обработки данных

- Детальное изучение Seaborn для визуализации данных (включая Matplotlib для кастомизации графиков)

- Машинное обучение с применением библиотеки SciKit Learn, включая следующие темы:

Linear Regression - Линейная Регрессия
Regularization - Регуляризация
Lasso Regression - Лассо-Регрессия
Ridge Regression - Ридж-Регрессия
Регуляризация Elastic Net
Logistic Regression - Логистическая регрессия
K Nearest Neighbors - Метод К-ближайших соседей
Decision Trees - Деревья решений
Random Forests - Случайные леса
AdaBoost, GradientBoosting - Адаптивный бустинг, Градиентный бустинг
Natural Language Processing - Обработка языковых данных
K Means Clustering - Кластеризация К-средних
Hierarchical Clustering - Иерархическая кластеризация
DBSCAN (Density-based spatial clustering of applications with noise) - Кластеризация на основе плотности данных
PCA - Principal Component Analysis - Метод главных компонент
И многое, многое другое!

Материалы курса можно скачать! Внутри курса находится набор блокнотов Jupyter Notebook с примерами кода и детальным описанием. Для каждой лекции это отдельные блокноты, которые разложены по папкам с соответствии с разделами курса. Так что Вы сможете не только просмотреть видео-лекции, но и прочитать блокноты. Это особенно удобно, когда Вам нужно что-то вспомнить или быстро пробежаться по материалу в поисках нужной информации. А также можно скачать презентации курса.

Надеюсь, что Вы запишетесь на этот курс и прокачаете Ваши навыки! Добро пожаловать!

Этот обучающий курс доступен без ограничений по времени - Вы получите доступ и сможете проходить курс в удобном для Вас темпе, никуда не торопясь.

Ориентировочное время на прохождение курса - 50 часов на просмотр лекций и 50 часов на практические задания, итого в сумме около 100 часов. Однако это лишь примерные ориентиры. На деле всё очень индивидуально - кто-то выполняет задания быстрее, а кому-то нужно больше времени. Кто-то пропустит часть лекций, потому что некоторые темы уже знает, а кто-то не только пройдёт весь курс полностью, но и посмотрит какие-то лекции два раза. В итоге время на прохождение курса может меняться.

p.s. На этот курс можно записаться как отдельно, так и в составе Пакета из 3 курсов "Data Scientist": Python + SQL + Машинное обучение (вот ссылка). Пакет курсов позволяет получить скидку по сравнению с 3 отдельными курсами.