Чему вы научитесь
- 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
О курсе
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!
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.
Начальные требования
- знание языка Python на базовом или среднем уровне
- знание математики в рамках школьной программы
Наши преподаватели
Как проходит обучение
Каждую неделю вас ждет одно онлайн занятие по анализу данных и одно занятие по разработке
- после занятия выполняете небольшое домашнее задание и отправляете на проверку
- получаете ревью от преподавателя и вносите исправления
- в конце курса вы решаете большую проектную задачу с применением знаний, полученных на курсе
Программа курса
Сертификат
Что вы получаете
- прокачаете свои аналитические навыки в анализе данных
- узнаете о современных библиотеках анализа данных и построения дашбордов и получите опыт их использования
- решите большую задачу с полноценным ревью от команды курса
- упакуете ваши исследования в Docker-контейнер