Найдите курс под свои цели
Учитесь в удобном формате и в своём темпе
- Доступ навсегда
- Поддержка авторов
Machine Learning и Data Science

Продавец курса
ООО «Эдикс»
Юрлицо · ИНН 4706086286 · ОГРН 1254700002347
Data Science
Machine Learning и Data Science
RU
Начальный
Вводный курс по машинному обучению и науке о данных: от основ Python и статистики до построения, оценки и внедрения моделей машинного обучения на практике.
machine learning
data science
ml
ds
6 глав · 91 слайдов · 2 ч 32 мин
- 1
Введение в Data Science
16 слайдов · 16 мин
- 2
Python и библиотеки для анализа данных
15 слайдов · 15 мин
- 3
Математика для машинного обучения
17 слайдов · 17 мин
- 4
Подготовка данных и инженерия признаков
0 слайдов · 1 мин
- 5
Классические модели машинного обучения
25 слайдов · 25 мин
- 6
Неконтролируемое обучение и продвинутые темы
18 слайдов · 18 мин
1 590 ₽
Вы покупаете бессрочный доступ к курсу.
Чему вы научитесь
- Понять роль специалиста по данным, жизненный цикл проекта и основные задачи data science в бизнесе и науке.
- Научиться настраивать рабочее окружение для анализа данных и использовать Jupyter Notebook для воспроизводимых исследований.
- Освоить работу с массивами NumPy и таблицами Pandas: фильтрация, группировка, агрегация и очистка данных.
- Строить информативные графики и диаграммы для разведочного анализа данных (EDA).
- Применять описательную статистику, проверять гипотезы и оценивать распределения данных.
- Понимать векторные и матричные операции, а также принцип градиентного спуска как основу обучения моделей.
- Выявлять и обрабатывать пропуски, выбросы и дубликаты, приводить данные к пригодному для модели виду.
- Применять методы кодирования (one-hot, target encoding) и нормализации числовых признаков.
Уроки курса
6 глав · 14 уроков · 91 слайд · 1 ч 32 мин
Глава 1. Введение в Data Science
- Что такое Data Science и сферы примененияПонять роль специалиста по данным, жизненный цикл проекта и основные задачи data science в бизнесе и науке.
- Инструменты аналитика: Python, Jupyter, GitНаучиться настраивать рабочее окружение для анализа данных и использовать Jupyter Notebook для воспроизводимых исследований.
Глава 2. Python и библиотеки для анализа данных
- Основы NumPy и PandasОсвоить работу с массивами NumPy и таблицами Pandas: фильтрация, группировка, агрегация и очистка данных.
- Визуализация данных с Matplotlib и SeabornСтроить информативные графики и диаграммы для разведочного анализа данных (EDA).
Глава 3. Математика для машинного обучения
- Основы теории вероятностей и статистикиПрименять описательную статистику, проверять гипотезы и оценивать распределения данных.
- Линейная алгебра и оптимизацияПонимать векторные и матричные операции, а также принцип градиентного спуска как основу обучения моделей.
Глава 4. Подготовка данных и инженерия признаков
- Очистка и предобработка данныхВыявлять и обрабатывать пропуски, выбросы и дубликаты, приводить данные к пригодному для модели виду.
- Кодирование категорий и масштабированиеПрименять методы кодирования (one-hot, target encoding) и нормализации числовых признаков.
- Отбор и конструирование признаковИспользовать методы отбора признаков и создавать новые признаки для повышения качества модели.
Глава 5. Классические модели машинного обучения
- Линейная и логистическая регрессияПонимать математическую основу и применять регрессионные модели для задач прогнозирования и классификации.
- Деревья решений, случайный лес и градиентный бустингСтроить ансамблевые модели и настраивать их гиперпараметры для достижения высокого качества предсказаний.
- Метрики качества и кросс-валидацияКорректно оценивать модели с помощью метрик accuracy, precision, recall, F1, ROC-AUC и кросс-валидации.
Глава 6. Неконтролируемое обучение и продвинутые темы
- Кластеризация и снижение размерностиПрименять алгоритмы K-Means, DBSCAN и методы PCA/t-SNE для сегментации и визуализации данных.
- Введение в нейронные сети и глубокое обучениеПонять архитектуру перцептрона и полносвязных сетей, познакомиться с фреймворком PyTorch.
Вопросы о курсе
- Что входит в курс?
- Программа: 6 глав · 14 уроков · 91 слайд · 1 ч 32 мин. В курсе есть видеолекция аватара-преподавателя и 40 тестов.
- Сколько стоит курс?
- Цена курса — 1 590 ₽.
- Какой уровень и язык курса?
- Уровень — начальный. Курс на русском языке.
- Кто продаёт курс?
- ООО «Эдикс», ИНН 4706086286, ОГРН 1254700002347.