Курс Основы Python для анализа данных

Узнаете, как устроен курс, и составите личный план обучения. Вы научитесь:

Вы изучите основные концепции программирования, которые применяются в разных языках. Вы поймёте:

Вы научитесь применять критерии для проверки статистических гипотез и познакомитесь с классическими статистическими тестами: Стьюдента, Манна-Уитни, Фишера, Колмагорова-Смирнова и Пирсона. Вы поймёте:

Узнаете, что такое нейросети и как они устроены, разберётесь в их возможностях и ограничениях. Познакомитесь с популярными нейросетями, а также освоите базовый промптинг. Вы научитесь:

Вы изучите синтаксис Python и научитесь писать программы, чтобы работать с алгоритмами машинного обучения. Вы научитесь:

Узнаете, что такое алгоритмы и какие структуры данных лежат в их основе. Разберётесь, как алгоритмы работают с базовыми структурами, как устроены деревья и зачем они нужны. Изучите динамическое программирование и его применение для решения сложных задач. Вы научитесь:

Узнаете, как применять нейросети в реальных рабочих процессах. Разберётесь, как использовать автокомплитеры и генераторы кода, а также научитесь ускорять документирование проектов с помощью ИИ. Вы научитесь:

Вы определите ключевые параметры для проведения теста на основе описания экспериментов — и научитесь интерпретировать показатели. Также поймёте, почему значения некоторых величин в одном и том же тесте могут отличаться. Вы узнаете:

Вы узнаете, сто такое данные, как их классифицировать и проверить качество. Разберётесь, как работать с данными, чтобы сделать их качественными. Вы научитесь:

Узнаете, как работать с библиотекой pandas, загружать и обрабатывать данные, проводить разведочный анализ и анализировать метрики. Изучите ключевые функции для работы с датафреймами. Разберётесь, как работать с массивами и матрицами в NumPy, изменять и анализировать их. Освоите статистические функции и генерацию случайных величин. Вы научитесь:

Узнаете, как визуализировать данные в Python с помощью популярных библиотек. Научитесь строить графики и диаграммы. Вы научитесь:

Узнаете, как писать чистый и организованный код, правильно оформлять проекты на Python и управлять зависимостями. Разберётесь в принципах дебаггинга, рефакторинга и оптимизации. Вы научитесь:

Вы освоите функции PostgreSQL, которые позволят вам использовать базы данных в работе. Вы научитесь:

Вы изучите вводные темы, которые пригодятся в следующих блоках, научитесь снижать размерность задачи и исключать из неё лишние предикторы, чтобы найти решение быстрее и сделать его более интерпретируемым. Вы узнаете:

Вы узнаете, что такое линейная регрессия с точки зрения математики и машинного обучения, как усложнить этот алгоритм и оценить качество модели. Вы изучите, как обучать модели с помощью библиотеки scikit-learn. Вы научитесь:

Вы изучите 5 алгоритмов, которые позволяют решить задачу классификации и отработаете их применение на практике. Вы научитесь:

Вы узнаете, как формулируется задача кластеризации, чем она отличается от классификации, изучите 3 алгоритма и отработаете их применение на практике. Вы научитесь:

Вы узнаете, что такое временные ряды и как их прогнозировать с помощью обычных алгоритмов машинного обучения и авторегрессионных моделей. Вы научитесь:

Узнаете, как объединить полученные знания и навыки в полноценное решение. Сравните выгрузку данных из аптеки и системы СБИС, проведёте анализ, оформите результаты. Вы научитесь:

Узнаете, как использовать нейросети в работе и повседневной жизни. Освоите приёмы, которые помогут повысить личную эффективность. Вы научитесь: