Об этом курсе

Недавно просмотрено: 29,696

Learner Career Outcomes

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 50 часов на выполнение

Предполагаемая нагрузка: 6 недель обучения, 7-9 часов в неделю...

Русский

Субтитры: Русский

Learner Career Outcomes

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 50 часов на выполнение

Предполагаемая нагрузка: 6 недель обучения, 7-9 часов в неделю...

Русский

Субтитры: Русский

Программа курса: что вы изучите

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
4.5

Рецензии: 12

Chevron Right

Лучшие отзывы о курсе Python для анализа данных

автор: SNov 24th 2019

Good starting Python ML packages course for people who knew something about ML and programming and statistics.\n\nThere are some technical problems which could have been eliminated but hadn't.

О Московский физико-технический институт

Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой. Основой образования в МФТИ является уникальная «система Физтеха», сформулированная Петром Капицей: кропотливый отбор одаренных и склонных к творческой работе абитуриентов; участие в обучении ведущих научных работников; индивидуальный подход к отдельным студентам с целью развития их творческих задатков; воспитание с первых шагов в атмосфере технических исследований и конструктивного творчества с использованием потенциала лучших лабораторий страны. Среди выпускников МФТИ — нобелевские лауреаты Андрей Гейм и Константин Новоселов, основатель компании ABBYY Давид Ян, один из авторов архитектурных принципов построения вычислительных комплексов Борис Бабаян и др....

О ФРОО

Фонд развития онлайн-образования объединяет образовательные стартапы, проекты в области EdTech и запускает собственные онлайн-программы в области машинного обучения, программирования, мобильной разработки, VR, дизайна и IT. Мы выстраиваем экосистему для обучения на всех стадиях жизненного цикла: от идеи и поиска средств на производство образовательной программы до поддержки, продаж и маркетинга. А сотрудничество с крупнейшими образовательными платформами позволяет запускать онлайн-курсы с максимальным эффектом и пользой для всех заинтересованных сторон....

О Mail.Ru Group

Mail.Ru Group, международный бренд My.com – крупнейший холдинг в России по дневной мобильной аудитории. В рамках стратегии communitainment Mail.Ru Group развивает единую интегрированную платформу коммуникационных и развлекательных интернет-сервисов. Компании принадлежат лидирующий почтовый сервис, один из крупнейших порталов в рунете, крупнейшие русскоязычные социальные сети – ВКонтакте, Одноклассники и Мой Мир, а также два популярных в России и СНГ мессенджера – Агент Mail.Ru и ICQ....

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

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.