Об этом курсе

Недавно просмотрено: 75,831
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 38 часов на выполнение
Русский
Субтитры: Русский
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 38 часов на выполнение
Русский
Субтитры: Русский

от партнера

Логотип Московский физико-технический институт

Московский физико-технический институт

Логотип ФРОО

ФРОО

Логотип Mail.Ru Group

Mail.Ru Group

Программа курса: что вы изучите

Оценка контентаThumbs Up73%(2,109 оценки)Info
Неделя
1

Неделя 1

5 ч. на завершение

Математика и Python для анализа данных

5 ч. на завершение
12 видео ((всего 65 мин.)), 10 материалов для самостоятельного изучения, 4 тестов
12 видео
Векторы и матрицы3мин
Определитель матрицы1мин
Операции с матрицами. Собственные числа матриц4мин
Знакомство с библиотекой Numpy14мин
Знакомство с библиотекой scipy5мин
Знакомство с библиотекой Pandas2мин
Объект pandas.Series4мин
Объект pandas.DataFrame9мин
Группировка данных6мин
Работа с несколькими таблицами7мин
Преобразование признаков3мин
10 материалов для самостоятельного изучения
Telegram и форум курса10мин
Mail.Ru Group5мин
Фонд развития онлайн-образования5мин
Математика10мин
Дополнительная литература10мин
Установка Anaconda10мин
Документация и другие источники10мин
Документация и другие источники10мин
Тест Pandas - решение от преподавателей10мин
Конспект 1-ой недели10мин
4 практических упражнения
Основные понятия математического анализа10мин
Основные понятия линейной алгебры20мин
Numpy и scipy50мин
Pandas
Неделя
2

Неделя 2

5 ч. на завершение

Визуализация данных и статистика

5 ч. на завершение
15 видео ((всего 81 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
15 видео
Визуализация с matplotlib8мин
Расширенная визуализация с matplotlib8мин
Визуализация с pandas8мин
Интерактивная визуализация с plotly10мин
Определение вероятности5мин
Случайная величина4мин
Показатели центра распределения4мин
Нормальное распределение3мин
Центральная предельная теорема1мин
Зависимость между случайными величинами2мин
Распределение Стьюдента1мин
Статистика в scipy6мин
Доверительный интервал8мин
Проверка гипотез и распределение Стьюдента5мин
4 материала для самостоятельного изучения
Дополнительные источники по визуализации10мин
Дополнительные источники по статистике10мин
Практика по статистике – решение от преподавателей10мин
Конспект 2-ой недели10мин
2 практических упражнения
Статистический анализ10мин
Практика по статистике
Неделя
3

Неделя 3

8 ч. на завершение

Обучение с учителем

8 ч. на завершение
13 видео ((всего 61 мин.)), 8 материалов для самостоятельного изучения, 7 тестов
13 видео
Виды машинного обучения7мин
Линейная регрессия2мин
Функционал качества и градиентный спуск3мин
Логистическая регрессия2мин
Применение линейных моделей9мин
Данные и переобучение8мин
Метрики качества4мин
Применение метрик качества8мин
Решающие деревья2мин
Случайный лес3мин
Градиентный бустинг2мин
Применение ансамблевых моделей5мин
8 материалов для самостоятельного изучения
Дополнительные источники по линейным моделям10мин
Применение линейной регрессии – решение от преподавателей10мин
Дополнительные источники по измерению качества моделей10мин
Регуляризация – решение от преподавателей10мин
Метрики качества – решение от преподавателей10мин
Дополнительные источники по ансамблевым моделям10мин
Практика по ансамблевым моделям – решение от преподавателей10мин
Конспект 3-ей недели10мин
7 практических упражнений
Линейные модели15мин
Применение линейной регрессии
Измерение качества моделей20мин
Регуляризация
Метрики качества
Ансамблевые модели10мин
Практика по ансамблевым моделям
Неделя
4

Неделя 4

7 ч. на завершение

Методы обучения без учителя

7 ч. на завершение
20 видео ((всего 124 мин.)), 7 материалов для самостоятельного изучения, 6 тестов
20 видео
Задача кластеризации, группы методов3мин
Метод K-средних7мин
Практика. Метод K-средних5мин
Иерархическая кластеризация. Агломеративный алгоритм5мин
Практика. Иерархическая кластеризация8мин
DBSCAN6мин
Практическое применение DBSCAN7мин
Оценки качества кластеризации7мин
Мотивация3мин
Метод Главных Компонент (Principal Component Analysis)7мин
Сингулярное разложение матрицы и связь с PCA2мин
Практика. Применение PCA на данных11мин
Многомерное шкалирование6мин
T-SNE5мин
Практика. Применение T-SNE на данных5мин
Рекомендательные системы6мин
Методы коллаборативной фильтрации5мин
Методы с матричными разложениями4мин
Практика. Матрица рейтингов и SVD11мин
7 материалов для самостоятельного изучения
Дополнительные источники по кластеризации10мин
Практика по кластеризации – решение от преподавателей10мин
Дополнительные источники по методам понижения размерности10мин
PCA – решение от преподавателей10мин
Дополнительные источники по рекомендательным системам10мин
Создание рекомендательной системы – решение от преподавателей10мин
Конспект 4-ой недели10мин
6 практических упражнений
Кластеризация10мин
Практика по кластеризации
Методы понижения размерности10мин
PCA
Рекомендательные системы10мин
Создание рекомендательной системы

Рецензии

Лучшие отзывы о курсе PYTHON ДЛЯ АНАЛИЗА ДАННЫХ

Посмотреть все отзывы

Специализация Программирование на Python: общие сведения

Программа состоит из четырех курсов, каждый из которых раскрывает определенную тему в Python. Сначала вы научитесь основным конструкциям языка и другим особенностям программирования на Python, далее углубитесь в объектно-ориентированное программирование. Научитесь создавать веб-сервисы и проводить анализ данных. Программа подойдет для студентов и профессионалов с начальными навыками программирования....
Программирование на Python

Часто задаваемые вопросы

  • 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.
  • 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.

  • Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.

  • 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.