Сбор и анализ данных в Python

Этот курс входит в специализацию ''Специализация Машинное обучение: от статистики до нейросетей'

Ульянкин Филипп Валерьевич

от партнера

Специализация Машинное обучение: от статистики до нейросетейНИУ ВШЭ

Об этом курсе

Недавно просмотрено: 12 647

В этом курсе мы изучим основы математической статистики и аккуратную работу с данными.  
Мы научимся собирать и обрабатывать данные с помощью Python, поговорим про их визуализацию и предварительный анализ. 

Мы также познакомимся с основными распределениями и описательными статистиками, с которыми аналитики сталкиваются на повседневной основе. И обсудим теоремы, на которых базируется вся наука о данных: закон больших чисел и центральную предельную теорему.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 5 в программе

Специализация Машинное обучение: от статистики до нейросетей

Средний уровень

Базовые навыки программирования на языке Python. Математика для анализа данных (теория вероятностей, производные, оптимизация, интегралы, матрицы)

Прибл. 21 час на выполнение

Русский

Субтитры: Русский

Чему вы научитесь

Генерировать случайные величины из различных распределений и решать задачи с помощью симуляций

Работать с API разных сервисов, писать парсеры для сбора данных, делать предобработку и предварительный анализ данных

Понимать, какой смысл стоит за различными распределениями, центральной предельной теоремой и законом больших чисел

Приобретаемые навыки

StatisticsData AnalysisPython ProgrammingProbability Theory

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 5 в программе

Специализация Машинное обучение: от статистики до нейросетей

Средний уровень

Прибл. 21 час на выполнение

Русский

Субтитры: Русский

Преподаватели

Ульянкин Филипп Валерьевич

Преподаватель

Факультет компьютерных наук

1 719 учащихся

3 курса

от партнера

НИУ ВШЭ

HSE University is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more.

Программа курса: что вы изучите

Неделя

Неделя 1

5 ч. на завершение

Распределения и описательные статистики

Вспоминаем основные определения из теории вероятностей. Говорим про описательные статистики. Пробуем делать в python простые вещи, связанные с визуализацией, случайными величинами и табличками.

5 ч. на завершение

15 видео ((всего 167 мин.)), 3 материалов для самостоятельного изучения, 4 тестов

15 видео

Дорожная карта курса4мин

Что такое случайность и как устроен мир9мин

Случайная величина и её распределение10мин

Характеристики случайных величин14мин

Какими бывают случайные величины13мин

Генерация случайных величин в python13мин

Описательные статистики14мин

[доска] Описательные статистики8мин

Гистограмма и эмпирическая функция распределения6мин

[доска] Эмпирическая функция распределения и гистограмма12мин

Эмпирическое распределение в python10мин

Описательные статистики и pandas12мин

Группировка и простые методы визуализации14мин

Поиск ответов на вопросы в pandas14мин

Почему важна визуализация6мин

3 материала для самостоятельного изучения

Справочник по теории вероятностей15мин

Конспект по описательным статистикам1мин

Презентация5мин

2 практических упражнения

Основные понятия теории вероятностей20мин

Выборочные статистики20мин

Неделя

Неделя 2

4 ч. на завершение

Особенности в данных

Говорим про зависимые случайные величины, нормальное распределение и проблемы в данных.

4 ч. на завершение

12 видео ((всего 130 мин.)), 1 материал для самостоятельного изучения, 4 тестов

12 видео

Зависимые и независимые случайные величины14мин

[доска] Корреляция и кубик5мин

[доска] Независимость и ковариация10мин

Корреляции в python11мин

Нормальное распределение и его свойства10мин

Многомерное нормальное распределение6мин

[доска] Нормальное распределение12мин

Ядерные оценки плотности9мин

Пропуски и выбросы10мин

Преобразование Бокса-Кокса12мин

Масштабирование и категориальные переменные11мин

[бонусное видео] Сегментация14мин

1 материал для самостоятельного изучения

Презентация5мин

3 практических упражнения

Ковариация и корреляция20мин

Нормальное распределение30мин

Проблемы в данных10мин

Неделя

Неделя 3

4 ч. на завершение

Сбор и очистка данных

4 ч. на завершение

11 видео ((всего 120 мин.)), 5 материалов для самостоятельного изучения, 1 тест

11 видео

Сбор данных своими руками7мин

Практика сбора данных: парсинг мемов (запрос данных)8мин

Практика сбора данных: парсинг мемов (структурирование данных)14мин

Практика сбора данных: парсинг мемов (детализация данных)14мин

Практика сбора данных: парсинг мемов (сбор всех операций в одну функцию)6мин

Практика сбора данных: парсинг мемов (итоговый цикл)8мин

Борьба с ошибками в процессе парсинга7мин

Знакомство с API ВКонтакте15мин

API ВКонтакте: получение датафрейма13мин

Знакомство с Selenium12мин

Полезные хитрости при сборе данных10мин

5 материалов для самостоятельного изучения

Презентация10мин

Парсер мемов10мин

API Вконтакте в python10мин

Работа с selenium в python5мин

Полезные хитрости для сбора данных10мин

Неделя

Неделя 4

3 ч. на завершение

Разведочный анализ данных и визуализация

Анализируем данные по мемам и логи магазина. Смотрим на пайплайн знакомства с данными.

3 ч. на завершение

11 видео ((всего 124 мин.)), 1 материал для самостоятельного изучения, 1 тест

11 видео

Разведочный анализ данных7мин

Предобработка данных в Python: описательные статистики7мин

Предобработка данных в Python: работа со временем 14мин

Предобработка данных в Python: непрерывные переменные6мин

Предобработка данных в Python: категориальные и тестовые переменные13мин

Предобработка данных в Python: работа с графиками8мин

Поиск аномалий в данных13мин

Работа с логами: рассмотрение данных12мин

Работа с логами: возвращаемость и посещаемость13мин

Работа с логами: анализ покупок14мин

Работа с логами: анализ выручки11мин

1 материал для самостоятельного изучения

Презентация10мин

Специализация Машинное обучение: от статистики до нейросетей: общие сведения

Современные науки о данных — это огромная область, которая включает себя много методов, технологий и трюков. Всё это быстро развивается, постоянно возникают новые направления и результаты.

На нашей специализации вы познакомитесь со всеми ключевыми разделами машинного обучения и анализа данных, освоите самые важные концепции и получите базу, с которой сможете углубляться дальше в любом направлении — будь то рекомендательные системы, машинное зрение или обучение с подкреплением. Мы начнём с изучения инструментария Python для анализа данных: разберёмся, как с его помощью можно собирать данные из разнообразных источников, искать и устранять в них проблемы, делать первичную аналитику. В следующих курсах мы познакомимся с классическим машинным обучением (и дойдём до композиций моделей, которые являются стандартом для работы с табличными данными) и статистическими методами и их приложениями для анализа моделей, работы с временными данными и A/B-тестирования. Наконец, мы изучим ключевые разделы глубинного обучения: узнаем, как обучаются современные нейронные сети и как именно они позволяют добиваться мощных результатов при анализе изображений и текстов.

Машинное обучение: от статистики до нейросетей

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее

Остались вопросы? Посетите Центр поддержки учащихся.

Сбор и анализ данных в Python