Курс Python для Data Science у Києві
Курс Python для Data Science
Опис курсу
Як зрозуміти, чи достатньо ви сильні для проходження цього курсу? Просто дайте самому собі відповіді на наступні питання: чи цікавить вас робота з даними (таблицями даних), маніпуляції з ними та їх візуалізація? Чи пам’ятаєте ви зі школи/університету/роботи суть понять “медіана”, “мода”, “розподіл ймовірностей”? Якщо відповіді позитивні, то у вас хороші шанси на успішне проходження курсу.
Цей курс буде корисним:
1. Фахівцям, які хочуть почати кар’єру в Data science.
2. Фахівцям з Data science, які ще не опанували можливості роботи з даними в Python.
3. Спеціалістам, які працюють з даними (аналітикам, бізнес-аналітикам, дослідникам), які хочуть опанувати нові гнучкі інструменти для роботи з даними.
Філософія курсу: зверніть увагу, що цей курс не зробить з вас повноцінних розробників на Python. З точки зору Data Science, це, у першу чергу, два зручних інструменти для виконання робочих задач.
Після курсу Ви зможете:
- Розуміти основні алгоритми машинного навчання та практично їх використовувати для задач класифікації та регресії
- Аналізувати дані та будувати моделі машинного навчання за допомогою Python
- Робити якісні й інтерактивні візуалізації даних
Програма курсу:
Модуль 1. Вступ до машинного навчання та Data Science
- Визначення машинного навчання та науки про дані, їх задачі
- Інструментарій для аналізу даних: мови програмування Python
- Типи машинного навчання
- Складові частини моделі машинного навчання
- Базові концепти машинного навчання
Модуль 2. Основи мови програмування Python для Data Science
- IDE для зручної роботи: Jupyter, Spyder
- Семантика мови
- Типи даних
- Структури даних
- Оператори контролю виконання (розгалуження та циклів)
- Векторизація в Python (numpy)
Модуль 3. Функціональне програмування в Python
- Comprehension, Generators, Iterators в Python
- Функції в Python
- Вбудовані функції Python
Модуль 4. Дослідження та підготовка даних до аналізу
- Numpy
- Pandas
Модуль 5. Візуалізація даних в Python
- Matplotlib
- Seaborn
Модуль 6. Базові поняття статистичного аналізу
- Scipy.stats
- Описові статистики
- Залежності між змінними
Модуль 7. Типові проблеми у підготовці даних до аналізу
- Перетворення факторних змінних
- Боротьба з пропусками в даних
- Проблема мультиколінеарності
- Шкалювання даних
- Вибір інформативних змінних для моделі
- Типовий алгоритм підготовки даних до моделювання
Модуль 8. Базові регресійні моделі
- Лінійна регресія
- Поліноміальна регресія
- Метод найближчих сусідів
- Метрики оцінки якості регресії
- Тюнінг регресійних моделей
Модуль 9. Базові моделі класифікації
- Логістична регресія
- Метод опорних векторів
- Наївний байєсівський класифікатор
- Метрики оцінки якості класифікації
- Тюнінг параметрів моделей класифікації
Модуль 10. Базові моделі кластеризації та зниження розмірності
- Метод к-середніх
- Ієрархічний кластерний аналіз
- DBSCAN
- Факторний аналіз
- Кореспонденс-аналіз
Модуль 11. Дерева прийняття рішень та ансамблі
- Базові деревовидні моделі
- Random forest
- Xgboost, lightgbm
- Тюнінг гіперпараметрів у ансамблевих моделях
Модуль 12. Методи покращення якості моделей машинного навчання
- Аугментація
- Feature engineering
- Cross-validation
- Боротьба з перенавчанням
- Боротьба з дисбалансом даних
- Регуляризація моделі
Модуль 13. Вступ до архітектур нейронних мереж. Нейронні мережі для класифікації зображень
- Keras
- tensorflow
- Перцептрон
- CNN
Модуль 14. Прогнозування часових рядів
- AR, MA, ARMA
- ARIMA
- VAR
- Lstm
Модуль 15. Документація Data Science проектів, Data Science in prod
- Шляхи організації продакшну для Data Science-проектів
- Специфіка документації Data Science проектів
- Markdown, Latex
Модуль 16. Практикум з шляхів покращення якості моделей
- Презентація і обговорення курсових проектів
- Підбиття підсумків курсу
Мінімальні вимоги:
- Досвід програмування будь-якою процедурною мовою
- Знання математики в рамках шкільного курсу
- Наявність власного ноутбуку для занять в аудиторіях
Лектори:
1. Денис Ширман (Data Scientist)
2. Олег Сорокін (Machine Learning Engineer)
3. Роман Кириченко (Data Scientist)
* Примітка: зазначені знижки не сумуються з іншими діючими акціями та спеціальними пропозиціями. Знижка застосовується тільки до нових заявок та при умові повної оплати курсу. Якщо у Вас виникли питання, звертайтеся за консультацією до наших менеджерів!
Тривалість курсу: 21 год.
