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.
Este curso faz parte do Programa de cursos integrados Программирование на Python
oferecido por
Instituto de Física e Tecnologia de Moscou
ФРОО
Mail.Ru Group
Programa de cursos integrados Программирование на PythonInstituto de Física e Tecnologia de MoscouInformações sobre o curso
37,796 visualizações recentes
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Curso 4 de 4 no
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 37 horas para completar
Russo
Legendas: Russo
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Curso 4 de 4 no
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 37 horas para completar
Russo
Legendas: Russo
oferecido por
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.
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.
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.
Programa - O que você aprenderá com este curso
5 horas para concluir
Математика и Python для анализа данных
5 horas para concluir
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
4 horas para concluir
Визуализация данных и статистика
4 horas para concluir
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
8 horas para concluir
Обучение с учителем
8 horas para concluir
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
7 horas para concluir
Методы обучения без учителя
7 horas para concluir
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
Кластеризация30min
Практика по кластеризации1h
Методы понижения размерности10min
PCA1h
Рекомендательные системы10min
Создание рекомендательной системы1h
Avaliações
Principais avaliações do PYTHON ДЛЯ АНАЛИЗА ДАННЫХ
por S23 de Nov de 2019
Good starting Python ML packages course for people who knew something about ML and programming and statistics. There are some technical problems which could have been eliminated but hadn't.
por YL19 de Jul de 2019
Хотелось бы более подробные уроки по машинному обучению. Думаю, если увеличить количество недель обучения и увеличить количество материала, было бы лучше
Sobre 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?
O que recebo ao me inscrever nesta Especialização?
Is financial aid available?
Ganharei créditos universitários por concluir o curso?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
