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
Moscow Institute of Physics and Technology
ФРОО
Programa - O que você aprenderá com este curso
Semana
1Математика и Python для анализа данных
15 videos (Total 91 min), 5 leituras, 4 testes
15 videos
Приветствие2min
Функция и её свойства6min
Экстремумы функции3min
Векторы и матрицы3min
Определитель матрицы1min
Операции с матрицами. Собственные числа матриц4min
Знакомство с библиотекой Numpy14min
Броадкастинг в Numpy9min
Знакомство с библиотекой scipy5min
Знакомство с библиотекой Pandas2min
Объект pandas.Series4min
Объект pandas.DataFrame13min
Группировка данных6min
Работа с несколькими таблицами7min
Преобразование признаков5min
5 leituras
О бета-тестировании2min
Дополнительная литература10min
Установка Anaconda10min
Документация и другие источники10min
Документация и другие источники10min
4 exercícios práticos
Основные понятия математического анализа20min
Основные понятия линейной алгебры20min
Numpy и scipy50min
Pandasmin
Semana
2Визуализация данных и статистика
14 videos (Total 78 min), 3 leituras, 3 testes
14 videos
Расширенная визуализация с matplotlib8min
Визуализация с pandas8min
Интерактивная визуализация с plotly10min
Определение вероятности4min
Случайная величина3min
Показатели центра распределения4min
Нормальное распределение3min
Центральная предельная теорема1min
Зависимость между случайными величинами2min
Распределение Стьюдента1min
Статистика в scipy6min
Доверительный интервал8min
Проверка гипотез и распределение Стьюдента5min
3 leituras
Дополнительные источники по визуализации10min
Дополнительные источники по статистике10min
Практика по статистике – решение от преподавателей10min
2 exercícios práticos
Статистический анализ10min
Практика по статистикеmin
Semana
3Обучение с учителем
13 videos (Total 61 min), 7 leituras, 7 testes
13 videos
Введениеmin
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
7 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
7 exercícios práticos
Линейные модели15min
Применение линейной регрессииmin
Измерение качества моделей20min
Регуляризацияmin
Метрики качестваmin
Ансамблевые модели10min
Практика по ансамблевым моделямmin
Semana
4Методы обучения без учителя
20 videos (Total 124 min), 6 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
6 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
6 exercícios práticos
Кластеризация10min
Практика по кластеризацииmin
Методы понижения размерности10min
PCAmin
Рекомендательные системы10min
Создание рекомендательной системыmin
Sobre Moscow Institute of Physics and Technology
Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры.
Sobre ФРОО
Фонд развития онлайн-образования – это акселератор онлайн курсов и образовательных программ. Мы запустили первый российский курс на платформе Coursera, первую русскоязычную специализацию на Coursera, первую в России онлайн-магистратуру с дипломом государственного образца от ведущего вуза. Более 10 лет наша команда работает над созданием образовательных продуктов, создавая тренды и задавая тенденции в области онлайн-образования. Запуская курсы и программы, мы учитываем ситуацию на рынке труда и потребности работодателей, чтобы наши студенты были востребованы бизнесом. А наш опыт позволяет нам гарантировать высокое качество онлайн-обучения.
Sobre o 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.
© 2018 Coursera Inc. Todos os direitos reservados.
