[Ержан Елемесов] [Udemy] Data Science от Проблемы до Решения (2024)
Data Science от Проблемы до Решения [udemy] [Ержан Елемесов]
Учись работать на Python решая проекты в области Data Science. От анализа данных до построения рекомендательной системы
Чему вы научитесь:
Научишься обрабатывать данные на примере реальных проектов используя язык Python
Узнаешь про различные библиотеки Python, используемые для обработки данных и построения моделей машинного обучения
Сможешь визуализировать данные используя язык Python
На практике применишь алгоритмы supervised learning: logistic regression, linear regression, decision tree, random forest, SVM
Также научишься применять алгоритмы для сегментации такие как K-means clustering (unsupervised learning)
Научишься использовать Time Series models (временные ряды)
Примените ансамблевое обучение: AdaBoost, Gradient Boosting, XGBoost.
Попробуешь построить систему рекоммендаций и посмотреть что такое text mining
Узнаешь про deep leaning используя Tensor flow и Keras: Convolutional Networks, Recurrent Neural Networks
Материалы курса:
6 разделов • 12 лекций • Общая продолжительность 3 ч 35 мин
Введение
Проект 1: Проанализировать данные Федерального управления гражданской авиации с
Проект 2: Проанализировать данные пожарной части Нью-Йорка
Проект 3: Построить ML: прогноз продаж в зависимости от рекламного бюджета
Проект 4: Посторить ML - прогноз заболевания диабетом на основе мед показателей
Проект 5: Проанализировать данные по автомобилям и построить графики зависимости
Требования:
Интерес к решению практических задач. Навыки программирования не обязательны. Основы выучите на примерах.
Описание:
Данный курс содержит разбор проблем/задач, которые встречаются в работе у Data Scientist-ов. Так как этот курс для начинающих, то мы подробно проходим некоторые детали, которые могут быть скучны для тех, кто уже работает в этой роли или в смежной специальности. Сложность задач идет по нарастающей.
Цель курса
это показать природу задач в области Data Science и чтобы учащийся смог быстро определить для себя, подходит ли эта дисциплина для дальнейшего своего развития или же это не то, что изначально думал учащийся про Data Science.
Также этот курс поможет учащимся быстро влиться в эту область, решая различные проблемы.
На данном курсе мы будем использовать Jupyter Notebook.
Данные для анализа будут предоставлены в файлах, которые необходимо будет прочитать с помощью языка Python.
Для кого этот курс:
Данный курс предназначен для тех, кто хочет узнать, что такое Data Science на практике. Это курс для начинающих, кто никогда не программировал на Python для решения задач в области Data Science. Сложность задач идет с возрастанием. Первая половина курса не будет интересна тем, кто решал хоть какие-то задачи на Python в области анализа данных и построения моделей.
Преподаватель: Ержан Елемесов
Менеджер по продукту / Специалист по данным / Аналитик данных
Я имею степень бакалавра прикладной математики Московского государственного университета имени Ломоносова (Москва, Россия) и степень магистра математики Карлтонского университета (Оттава, Канада).
Язык - русский.
614 Мб.
Продажник:
Скачать:
Data Science от Проблемы до Решения [udemy] [Ержан Елемесов]
Учись работать на Python решая проекты в области Data Science. От анализа данных до построения рекомендательной системы
Чему вы научитесь:
Научишься обрабатывать данные на примере реальных проектов используя язык Python
Узнаешь про различные библиотеки Python, используемые для обработки данных и построения моделей машинного обучения
Сможешь визуализировать данные используя язык Python
На практике применишь алгоритмы supervised learning: logistic regression, linear regression, decision tree, random forest, SVM
Также научишься применять алгоритмы для сегментации такие как K-means clustering (unsupervised learning)
Научишься использовать Time Series models (временные ряды)
Примените ансамблевое обучение: AdaBoost, Gradient Boosting, XGBoost.
Попробуешь построить систему рекоммендаций и посмотреть что такое text mining
Узнаешь про deep leaning используя Tensor flow и Keras: Convolutional Networks, Recurrent Neural Networks
Материалы курса:
6 разделов • 12 лекций • Общая продолжительность 3 ч 35 мин
Введение
Проект 1: Проанализировать данные Федерального управления гражданской авиации с
Проект 2: Проанализировать данные пожарной части Нью-Йорка
Проект 3: Построить ML: прогноз продаж в зависимости от рекламного бюджета
Проект 4: Посторить ML - прогноз заболевания диабетом на основе мед показателей
Проект 5: Проанализировать данные по автомобилям и построить графики зависимости
Требования:
Интерес к решению практических задач. Навыки программирования не обязательны. Основы выучите на примерах.
Описание:
Данный курс содержит разбор проблем/задач, которые встречаются в работе у Data Scientist-ов. Так как этот курс для начинающих, то мы подробно проходим некоторые детали, которые могут быть скучны для тех, кто уже работает в этой роли или в смежной специальности. Сложность задач идет по нарастающей.
Цель курса
это показать природу задач в области Data Science и чтобы учащийся смог быстро определить для себя, подходит ли эта дисциплина для дальнейшего своего развития или же это не то, что изначально думал учащийся про Data Science.
Также этот курс поможет учащимся быстро влиться в эту область, решая различные проблемы.
На данном курсе мы будем использовать Jupyter Notebook.
Данные для анализа будут предоставлены в файлах, которые необходимо будет прочитать с помощью языка Python.
Для кого этот курс:
Данный курс предназначен для тех, кто хочет узнать, что такое Data Science на практике. Это курс для начинающих, кто никогда не программировал на Python для решения задач в области Data Science. Сложность задач идет с возрастанием. Первая половина курса не будет интересна тем, кто решал хоть какие-то задачи на Python в области анализа данных и построения моделей.
Преподаватель: Ержан Елемесов
Менеджер по продукту / Специалист по данным / Аналитик данных
Я имею степень бакалавра прикладной математики Московского государственного университета имени Ломоносова (Москва, Россия) и степень магистра математики Карлтонского университета (Оттава, Канада).
Язык - русский.
614 Мб.
Продажник:
Скачать:
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.