Войти
    Смотреть все результаты
    Поиск Избранное Корзина Войти
    Открыть подменюКатегории
    • Главная
    • Курс Основы программирования на языке Python для интеллектуального анализа данных | Маркетплейс онлайн образования Edwica

    Открытое образование

    Основы программирования на языке Python для интеллектуального анализа данных

    • Начальный уровень
    • Наставник: Нет
    • Сертификат: Есть
    • Формат: Online
    • Рассрочка: Нет
    • Язык: Русский
    • Осталось мест: не ограничено
    3 600 ₽/курс
    1 месяц
    Записаться
    Вы будете перенаправлены на сайт партнера.

    Основы программирования на языке Python для интеллектуального анализа данных

    Организатор курса: НИТУ МИСИС

    Курс «Основы программирования на языке Python для интеллектуального анализа данных» направлен на изучение базовых положений, принципов и основ интеллектуального анализа данных на примере популярного в IT-индустрии, а также в разных отраслях, языка программирования Python. 

    Практическая часть данного курса ориентирована на реальную работу с анализом цифровых данных, основанную на базовых алгоритмических конструкциях с использованием современных средств интеллектуального анализа данных.

    Разработка ведётся с применением библиотек numpy, pandas, seaborn  и др. В рамках курса предлагается большое количество практических заданий и примеров, подлежащих как самостоятельному решению, так и демонстрируемых преподавателем.

    Программа обучения
    Раздел 1. Введение в язык программирования Python и интеллектуальный анализ данных
    • 1.1 Введение. Цели, задачи, структура и технология изучения курса.
    • 1.2. Почему выбрали Python
    • 1.3 Обзор методов и задач интеллектуального анализа данных для их решения с помощью Python
    • 1.4 Базовые понятия программирования. Подготовка рабочего места для MS Windows и macOS (практическая часть)
    • 1.5 Структура программы на языке Python. Первые программы. (практическая часть)
    • 1.6 Ключевые слова, идентификаторы, литералы (практическая часть)
    • 1.7 Триумвират программирования: алгоритм, блок-схема, программа (практическая часть)
    Раздел 2. Основные типы данных и математические операции для анализа данных на Python
    • 2.1 Введение в данные и отличия разных типов данных (практическая часть)
    • 2.2 Операторы (практическая часть)
    • 2.3 Числа (практическая часть)
    • 2.4 Строки (практическая часть)
    • 2.5 Списки, индексы и срезы (практическая часть)
    • 2.6 Множества, кортежи и словари (практическая часть)
    • 2.7 Пользовательский ввод и преобразование типов (практическая часть)
    Раздел 3. Логические операции, операторы ветвления, циклы и сортировки в анализе данных на Python
    • 3.1 Увлекательная математическая логика
    • 3.2 Логические связки (практическая часть)
    • 3.3 Операторы if-else, elif (практическая часть)
    • 3.4 Цикл while (практическая часть)
    • 3.5 Цикл for (практическая часть)
    • 3.6 Сортировки (практическая часть)
    • 3.7 Знакомство с теорией алгоритмов (практическая часть)
    Раздел 4. Основы функционального программирования на Python для решения задач анализа данных
    • 4.1 Виды функций (практическая часть)
    • 4.2 Область видимости переменных (практическая часть)
    • 4.3 Аргументы функций (практическая часть)
    • 4.4 Оператор return (практическая часть)
    • 4.5 Рекурсия (практическая часть)
    • 4.6 Документирование (практическая часть)
    • 4.7 lambda (практическая часть)
    • 4.8 List comprehension (практическая часть)
    Раздел 5. Работа с базами данных и различными текстовыми форматами данных для решения задач анализа данных на Python
    • 5.1 Дополнительные средства для работы с Python. Терминал (консоль) (практическая часть)
    • 5.2 Виртуальное окружение
    • 5.3 Сторонние пакеты и pip (практическая часть)
    • 5.4 Текстовые данные (практическая часть)
    • 5.5 CSV-файлы (практическая часть)
    • 5.6 Необычный текст: JavaScript Object Notation (практическая часть)
    • 5.7 Подключения к хранилищам данных (практическая часть)
    Раздел 6. Практическое применение интеллектуального анализа данных на примере реального проекта над набором данных Titanic
    • 6.1 Основы работы с открытыми источниками данных в Интернете
    • 6.2 Введение в библиотеку numpy (практическая часть)
    • 6.3 Практическая реализация методов библиотеки numpy (подсчёт базовых математических статистик) (практическая часть)
    • 6.4 Введение в библиотеку pandas (практическая часть)
    • 6.5 Практическая реализация методов библиотеки pandas (обработка данных) (практическая часть)
    • 6.6 Введение в библиотеку seaborn (практическая часть)
    • 6.7 Практическая реализация методов библиотеки seaborn (построение разных типов графиков) (практическая часть)
    Тэги