Перейдите с базового уровня Python к продвинутой работе с массивами данных
Александра Кардаш
Director of Data Science в Shelf
Но не умеет использовать Python и его библиотеки для обработки и визуализации данных
Но стремится научиться проходить полный цикл Data Science задач
Но желает структурировать массивы данных и автоматизировать нахождение закономерностей
Сфера Data Science покрывает большой пласт задач: от анализа больших данных до построения ML-моделей. Мы начнем разбираться в них уже на первом занятии и постепенно освоим ключевые библиотеки Python для обработки, анализа и визуализации данных.
На практике научимся решать такие задачи: очистка данных и поиск отсутствующих значений, прогнозирование и классификация, кластерный анализ данных и поиск взаимосвязей, запуск A/B-тестирования и валидация гипотез, отбор признаков и построение моделей Machine Learning. По результатам курса вы сможете проводить Exploratory Data Analysis, делать прогнозы, углубить знания в Data Science и находить эффективные решения.
Научитесь работать с цифрами и математическими формулами в NumPy, с табличными данными — в Pandas, с визуализациями — в Matplotlib, Seaborn и Plotly. И овладеете еще 6 библиотеками Python для Data Science.
Получите overview основных задач Data Science, разберете базовые типы визуализаций и регрессии, техники построения ансамблей и Machine Learning моделей.
Во время обучения вас ждет много практики. Вы будете выполнять комплексные домашние задания и получать фидбек от лектора по каждому из них.
Значительно расширите стек навыков, сможете внедрить новые решения на текущей работе, заложите фундамент для развития Data Science и узнаете требования на собеседованиях.