Перейдіть з базового рівня Python до просунутої роботи з масивами даних
Олександра Кардаш
Director of Data Science у Shelf
Але не вміє використовувати Python і його бібліотеки для обробки й візуалізації даних
Але прагне навчитися проходити повний цикл Data Science задач
Але бажає структурувати масиви даних та автоматизувати знаходження закономірностей
Сфера Data Science покриває величезний пласт завдань: від аналізу великих даних до побудови ML-моделей. Ми почнемо в них розбиратися вже на першому занятті та поступово опануємо ключові бібліотеки Python для обробки, аналізу та візуалізації даних.
На практиці навчимося розв'язувати такі завдання: очищення даних та пошук відсутніх значень, прогнозування та класифікація, кластерний аналіз даних та пошук взаємозв'язків, запуск A/B-тестувань та валідація гіпотез, відбір ознак та побудова моделей Machine Learning. За підсумками курсу ви зможете проводити Exploratory Data Analysis, робити прогнози, поглибити знання у Data Science та знаходити ефективні рішення.
Навчитеся працювати з цифрами та математичними формулами в NumPy, з табличними даними — у Pandas, з візуалізаціями — у Matplotlib, Seaborn та Plotly. І опануєте ще 6 бібліотек Python для Data Science.
Отримаєте overview основних завдань Data Science, розберете базові типи візуалізацій та моделі регресій, техніки побудови ансамблів та Machine Learning моделей.
Під час навчання на вас чекає багато практики. Ви виконуватимете складні домашні завдання та отримуватимете фідбек від лектора щодо кожного з них.
Значно розширите стек навичок, зможете впровадити нові рішення на поточній роботі, закладете фундамент для розвитку Data Science та знатимете вимоги на співбесідах.