Geekbrains

Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn

  • Начальный уровень
  • Наставник: Нет
  • Сертификат: Нет
  • Формат: Online
  • Рассрочка: Нет
  • Язык: Русский
  • Осталось мест: Неограничено
Записаться

Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn

Курс «Библиотеки Python для Data Science» ориентирован на начинающих специалистов в науке о данных. В рамках курса мы изучим базовые понятия Data Science и основные библиотеки для работы с данными, визуализации и построения моделей машинного обучения. Студенты научатся использовать основной инструментарий дата сайентиста: библиотеки Numpy, Pandas, Matplotlib, SciKit-Learn.
Аудитория: студенты, которые уже знакомы с Python, но не имеют практического опыта работы с необходимыми библиотеками.
Курс входит в программу факультета искусственного интеллекта

Программа обучения
  • Урок 1. Вебинар. Введение в курс
    Знакомство и цели курса.
  • Урок 2. Видеоурок. Вычисления с помощью Numpy. Работа с данными в Pandas
    Вычисления с помощью Numpy. Начало работы в Jupyter Notebook. Многомерные массивы в Numpy. Применение Numpy для линейной алгебры. Генерирование массивов с заданными свойствами. Функции для работы с данными.
  • Урок 3. Вебинар. Вычисления с помощью Numpy. Работа с данными в Pandas
    Обратная связь от преподавателя. Разбор вопросов.
  • Урок 4. Видеоурок. Визуализация данных в Matplotlib.
    Построение графиков в Matplotlib. Выведение дополнительной информации на график. Объекты библиотеки Matplotlib.
  • Урок 5. Вебинар. Визуализация данных в Matplotlib
    Обратная связь от преподавателя. Разбор вопросов.
  • Урок 6. Видеоурок. Обучение с учителем в Scikit-learn
    Линейная регрессия. Логистическая регрессия. Support Vector Machine. KNN. Деревья решений и случайный лес.
  • Урок 7. Вебинар. Обучение с учителем в Scikit-learn
    Обратная связь от преподавателя. Разбор вопросов.
  • Урок 8. Видеоурок. Обучение без учителя в Scikit-learn.
    Кластеризация. Понижение размерности данных. Алгоритм tSNE.
  • Урок 9. Вебинар. Обучение без учителя в Scikit-learn и введение в итоговый проект
    Обратная связь от преподавателя. Разбор вопросов.
  • Урок 10. Вебинар. Консультация по итоговому проекту
    Обратная связь от преподавателя. Разбор вопросов.
Преимущества
  • Видеозаписи всех онлайнзанятий
  • Методички и практические задания
  • Общение с одногруппниками
  • Сертификат об окончании обучения
Знания и навыки, которые приобретете
  • Вычисления с помощью Numpy
  • Работа с данными в Pandas
  • Визуализация данных в Matplotlib
  • Начало работы с Scikit-learn
  • Обучение с учителем в Scikit-learn
  • Обучение без учителя в Scikit-learn
  • Обзор дополнительных возможностей для работы с данными в Python

Преподаватели

  • Geek Brains

  • Иван Максимов

    Data Scientist в Delivery Club

    Работал 2 года в PwC Data & Analytics Lab и 1,5 года в ML Research Group. Среди проектов — рекомендательные системы для ритейла, оптимизация маркетинговых кампаний на основе машинного обучения, поиск оптимальной геолокации для новых точек продаж. Выпускник факультета анализа данных Сколтеха.

  • Александра Гордей

  • Сергей Ширкин

  • Заец Татьяна

  • Артём Голубин

  • Юлия Пономарёва

  • Никита Баранов

  • Павел Нагорный

  • Никита Варганов

  • Ирина Телина

  • Дмитрий Кравчук

  • Мария Корлякова

  • Камиля Муллакаева

  • Ирина Гаранина

  • Никита Васильев

  • Ксения Макарова

  • Альбина Гилязова

  • Ксения Густокашина

  • Михаил Лебедев

  • Илья Карпенко

  • Roman Netrogolov

  • Николай Котенко

  • Александр Саранов

  • Вероника Голубева

  • Никита Калмыков

  • Дмитрий Тихомиров