Data science — одна из самых горячих областей на сегодняшний день, а Python — один из самых популярных инструментов для анализа данных. В этом курсе вы узнаете, как применять свои навыки программирования для построения предиктивных моделей, визуализации данных и работы с нейросетями. Курс ориентирован на практику и позволит вам сразу приступить к работе с данными и построению моделей.
Este curso faz parte do Programa de cursos integrados Программирование на Python
Python для анализа данных
oferecido por
Instituto de Física e Tecnologia de Moscou
ФРОО
Mail.Ru Group
Programa - O que você aprenderá com este curso
Semana
15 horas para concluir
Математика и Python для анализа данных
12 vídeos (Total 65 mín.), 10 leituras, 4 testes
12 videos
Приветствие2min
Векторы и матрицы3min
Определитель матрицы1min
Операции с матрицами. Собственные числа матриц4min
Знакомство с библиотекой Numpy14min
Знакомство с библиотекой scipy5min
Знакомство с библиотекой Pandas2min
Объект pandas.Series4min
Объект pandas.DataFrame9min
Группировка данных6min
Работа с несколькими таблицами7min
Преобразование признаков3min
10 leituras
Telegram и форум курса10min
Mail.Ru Group5min
Фонд развития онлайн-образования5min
Математика10min
Дополнительная литература10min
Установка Anaconda10min
Документация и другие источники10min
Документация и другие источники10min
Тест Pandas - решение от преподавателей10min
Конспект 1-ой недели10min
4 exercícios práticos
Основные понятия математического анализа10min
Основные понятия линейной алгебры20min
Numpy и scipy50min
Pandas1h
Semana
25 horas para concluir
Визуализация данных и статистика
15 vídeos (Total 81 mín.), 4 leituras, 3 testes
15 videos
О неделе 255s
Визуализация с matplotlib8min
Расширенная визуализация с matplotlib8min
Визуализация с pandas8min
Интерактивная визуализация с plotly10min
Определение вероятности5min
Случайная величина4min
Показатели центра распределения4min
Нормальное распределение3min
Центральная предельная теорема1min
Зависимость между случайными величинами2min
Распределение Стьюдента1min
Статистика в scipy6min
Доверительный интервал8min
Проверка гипотез и распределение Стьюдента5min
4 leituras
Дополнительные источники по визуализации10min
Дополнительные источники по статистике10min
Практика по статистике – решение от преподавателей10min
Конспект 2-ой недели10min
2 exercícios práticos
Статистический анализ10min
Практика по статистике1h
Semana
38 horas para concluir
Обучение с учителем
13 vídeos (Total 61 mín.), 8 leituras, 7 testes
13 videos
Введение56s
Виды машинного обучения7min
Линейная регрессия2min
Функционал качества и градиентный спуск3min
Логистическая регрессия2min
Применение линейных моделей9min
Данные и переобучение8min
Метрики качества4min
Применение метрик качества8min
Решающие деревья2min
Случайный лес3min
Градиентный бустинг2min
Применение ансамблевых моделей5min
8 leituras
Дополнительные источники по линейным моделям10min
Применение линейной регрессии – решение от преподавателей10min
Дополнительные источники по измерению качества моделей10min
Регуляризация – решение от преподавателей10min
Метрики качества – решение от преподавателей10min
Дополнительные источники по ансамблевым моделям10min
Практика по ансамблевым моделям – решение от преподавателей10min
Конспект 3-ей недели10min
7 exercícios práticos
Линейные модели15min
Применение линейной регрессии1h
Измерение качества моделей20min
Регуляризация1h
Метрики качества1h
Ансамблевые модели10min
Практика по ансамблевым моделям2h
Semana
47 horas para concluir
Методы обучения без учителя
20 vídeos (Total 124 mín.), 7 leituras, 6 testes
20 videos
О неделе 41min
Задача кластеризации, группы методов3min
Метод K-средних7min
Практика. Метод K-средних5min
Иерархическая кластеризация. Агломеративный алгоритм5min
Практика. Иерархическая кластеризация8min
DBSCAN6min
Практическое применение DBSCAN7min
Оценки качества кластеризации7min
Мотивация3min
Метод Главных Компонент (Principal Component Analysis)7min
Сингулярное разложение матрицы и связь с PCA2min
Практика. Применение PCA на данных11min
Многомерное шкалирование6min
T-SNE5min
Практика. Применение T-SNE на данных5min
Рекомендательные системы6min
Методы коллаборативной фильтрации5min
Методы с матричными разложениями4min
Практика. Матрица рейтингов и SVD11min
7 leituras
Дополнительные источники по кластеризации10min
Практика по кластеризации – решение от преподавателей10min
Дополнительные источники по методам понижения размерности10min
PCA – решение от преподавателей10min
Дополнительные источники по рекомендательным системам10min
Создание рекомендательной системы – решение от преподавателей10min
Конспект 4-ой недели10min
6 exercícios práticos
Кластеризация10min
Практика по кластеризации1h
Методы понижения размерности10min
PCA1h
Рекомендательные системы10min
Создание рекомендательной системы1h
4.4
8 avaliaçõesPrincipais avaliações do Python для анализа данных
Хотелось бы более подробные уроки по машинному обучению. Думаю, если увеличить количество недель обучения и увеличить количество материала, было бы лучше
Instrutores
Александр Жебрак
Технический директор Insilico Medicine
Шестаков Андрей Владимирович
Mail.ru Group
Sobre Instituto de Física e Tecnologia de Moscou
Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой.
Основой образования в МФТИ является уникальная «система Физтеха», сформулированная Петром Капицей: кропотливый отбор одаренных и склонных к творческой работе абитуриентов; участие в обучении ведущих научных работников; индивидуальный подход к отдельным студентам с целью развития их творческих задатков; воспитание с первых шагов в атмосфере технических исследований и конструктивного творчества с использованием потенциала лучших лабораторий страны.
Среди выпускников МФТИ — нобелевские лауреаты Андрей Гейм и Константин Новоселов, основатель компании ABBYY Давид Ян, один из авторов архитектурных принципов построения вычислительных комплексов Борис Бабаян и др.
Sobre ФРОО
Фонд развития онлайн-образования объединяет образовательные стартапы, проекты в области EdTech и запускает собственные онлайн-программы в области машинного обучения, программирования, мобильной разработки, VR, дизайна и IT.
Мы выстраиваем экосистему для обучения на всех стадиях жизненного цикла: от идеи и поиска средств на производство образовательной программы до поддержки, продаж и маркетинга. А сотрудничество с крупнейшими образовательными платформами позволяет запускать онлайн-курсы с максимальным эффектом и пользой для всех заинтересованных сторон.
Sobre Mail.Ru Group
Mail.Ru Group, международный бренд My.com – крупнейший холдинг в России по дневной мобильной аудитории. В рамках стратегии communitainment Mail.Ru Group развивает единую интегрированную платформу коммуникационных и развлекательных интернет-сервисов. Компании принадлежат лидирующий почтовый сервис, один из крупнейших порталов в рунете, крупнейшие русскоязычные социальные сети – ВКонтакте, Одноклассники и Мой Мир, а также два популярных в России и СНГ мессенджера – Агент Mail.Ru и ICQ.
About the Programa de cursos integrados Программирование на Python
Программа состоит из четырех курсов, каждый из которых раскрывает определенную тему в Python. Сначала вы научитесь основным конструкциям языка и другим особенностям программирования на Python, далее углубитесь в объектно-ориентированное программирование. Научитесь создавать веб-сервисы и проводить анализ данных. Программа подойдет для студентов и профессионалов с начальными навыками программирования.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2019 Coursera Inc. Todos os direitos reservados.
