Xrust.ru
Жизнь в стиле Хай-тек.
» » Python для работы с данными (2020)
Обучение


Python для работы с данными (2020)

08 июнь 2020, Понедельник
482
0
Python для работы с данными (2020)

Задачи по работе с данными востребованы во всех областях:от банковской сферы и ИТ до тяжелой промышленности и сельского хозяйства.

Python — простой и универсальный инструмент для решения любых аналитических задач.
1. Автоматизируйте свою рутинную работу с помощью Python
2. Обрабатывайте большие объемы информации без администрирования и баз данных
3. Освойте ключевой инструмент в мире аналитики и машинного обучения

Возможности после обучения:
1. Больше автономности
Перестанете зависеть от разработчиков в работе с данными и научитесь понимать программистов.
2. Автоматизация рутинных задач
С Python вы почувствуете вкус к оптимизации процессов и освободите время для новых задач.
3. Широкий доступ к данным
Умение быстро парсить сайты — бесценно. Вы начнете видеть и получать данные там, где раньше не замечали их
4. Легкий переход в data science
Python для аналитики — отличная база и возможность начать карьеру в data science.
5. Готовить данные для алгоритмов
Умение использовать готовые решения для придания смысла сырой информации.
6. Поиск новых инсайтов
Нахождение новых взаимосвязей в данных и их интерпретация для улучшения показателей бизнеса.

Достигнутые результаты и ключевые навыки после обучения:
Достигнутые результаты
1. Работа с реальными дата-сетами
2. Работа с логами и рекомендательными системами
3. Получение минимального портфолио для старта в профессии
Ключевые навыки
1. Работа с сырыми данными и их подготовка для анализа
2. Работа с аналитическими библиотеками numpy, scipy и pandas
3. Визуализация данных с помощью библиотек seaborn, plotly, matplotlib
4. Статистический анализ данных
5. Применение математических моделей
6. Выбор и создание фич
7. Применение основных алгоритмов для обработки данных
8. Парсинг данных с сайтов и внешних источников
9. Автоматизация процессов получения данных для отчетов

Содержание Модуль 1 - Основы Python для работы с данными
Вы научитесь пользоваться базовыми инструментами Python. Для студентов без опыта в программировании модуль предполагает интенсивную самостоятельную работу. По ходу занятия преподаватель даст много полезных дополнительных библиотек и методов, которые ускорят работу с кодом, оставив больше времени на аналитические задачи.
1. Вводные видео-уроки по установке, синтаксису и функциям Python
2. Основы Python и Git
3. Базовые типы данных и циклы
4. Функции и классы
5. Продвинутые типы данных: массивы, множества, словари
Навыки, которые вы получите
1. Научитесь работать в Jupyter-ноутбуке
2. Освоите чтение файлов и запись данных в файлы
3. Сможете делать первичную проверку данных на корректность и обработку ошибок
4. Научитесь работать с датами с библиотекой DateTime
5. Освоите работу с JSON-форматом
6. Научитесь импортировать данные в Excel
7. Познакомитесь с библиотекой DateTime

Содержание Модуль 2 - Знакомство с основными библиотеками для анализа данных
Вы научитесь работать с главными аналитическими библиотеками, а визуализации помогут быстро находить зависимости и корреляции. Одно из больших преимуществ языка Python — это большое и сильное сообщество, которое ежедневно пополняет язык простыми готовыми решениями.
1. numpy и scipy
2. pandas
3. Визуализация данных: seaborn, plotly, matplotlib
4. Получение данных с внешних сайтов и API
5. Data mining и парсинг

Навыки, которые вы получите:
1. Сможете подготовить визуальные отчёты
2. Освоите эксплоративный анализ данных
3. Научитесь работать с матрицами и векторами в Python
4. Научитесь работать с pandas в таблицах
5. Освоите работу с элементами массива разных размерностей в numpy
6. Автоматизация получения данных из внешних источников
7. Автоматизация парсинга с сайтов

Содержание Модуль 3 - Статистика в Python
В этом модуле вы познакомитесь со статистикой: именно она помогает закопаться глубже в данные, чтобы найти интересные связи и эффективно генерировать гипотезы. Вас ждут не только среднее, медиана и квартили, но и одномерный и многомерный анализ, коллинеарность. Вы научитесь рассчитывать необходимую выборку и доверительный интервал для стат. значимости теста и проектировать дизайн A/B-тестов.
1. Основы описательной статистики, виды распределений в Python
2. Центральная предельная теорема и статистический анализ данных в Python
3. Основные статистические тесты и проверка гипотез
4. Кейс-стади. Статистические показатели в Python

Навыки, которые вы получите
1. Поймёте основы описательной статистики
2. Научитесь проводить основные статистические тесты (z-test, f-test, chi-2 test)
3. Освоите проектирование экспериментов
4. Научитесь проводить анализ A/B-тестов
5. Научитесь интерпретировать исходные данные для нахождения зависимостей
6. Применение математических моделей

Содержание Модуль 4 - Feature engineering и предобработка данных
Вы изучите инструменты выбора и оценки фичей, научитесь оптимизировать их количество. Новые знания помогут плотнее общаться с разработкой в продукте и быстро вычленять ошибки в их логике. Также вы приобщитесь к главной библиотеке data scientists — sklearn для feature selection.
1. Проверка и очистка данных с помощью pandas и numpy
2. Проведение анализа и рекурсивного feature selection и на базе моделей
3. Методы оценки значимости и отбора признаков и их использование
4. «Проклятие размерности», основные алгоритмы и принципы их работы
5. Использование алгоритмов sklearn

Навыки, которые вы получите
1. Освоите описание основных проблем данных
2. Научитесь проверке данных на полноту, целостность, валидность, наличие шумов, ошибок и пропусков
3. Сможете очистить данные с помощью numpy и pandas
4. Разберётесь с сокращением размерности данных алгоритмами PCA, LDA, NMF с помощью sklearn
5. Научитесь выбору и оценке фич

Содержание Модуль 5 - Лабораторные работы
Кроме домашних заданий, в которых вы отрабатываете отдельные навыки, в курсе будет две проверочные точки. Они помогут вам оценить свои силы в комплексных задачах.
1. С помощью статистики изучите данные небольшого датасета на 200+ автомобилей по 26 параметрам, с помощью визуализаций выведете закономерности и протестируете несколько статистических гипотез.
2. Вместе с преподавателем подготовите датасет на 1500 строк к анализу, оцените и выберете из 80 признаков нужные и спрогнозируете стоимостную категорию дома.

Содержание Модуль 6 - Диплом
В рамках дипломного проекта вы будете работать с датасетом на медицинскую тематику. Вы не только самостоятельно подготовите данные для анализа в Python, но и напишете алгоритм, который предсказывает вероятность болезни у пациента по разным признакам.

Дипломная работа выполняется самостоятельно под руководством экспертов курса и позволяет закрепить весь спектр знаний и навыков, полученных на программе.

Python для работы с данными (2020)Python для работы с данными (2020)Python для работы с данными (2020)
Python для работы с данными (2020)Python для работы с данными (2020)Python для работы с данными (2020)
Python для работы с данными (2020)Python для работы с данными (2020)Python для работы с данными (2020)

Название: Python для работы с данными
Год выхода: 2020
Жанр: Видеокурс, программирование, разработка, обучение
Формат видео: MP4 | 1280x720 | AVC/H.264
Формат аудио: AAC | 110 kb/s | 44 кГц
Язык: Русский
Продолжительность: 54:33:10
Размер: 17.99 Gb

Подписывайтесь на наш Дзен-канал Xrust, чтобы не пропустить новые статьи!



Скачать Python для работы с данными

Пожалуйста зарегистрируйтесь или введите в Панели пользователя логин и пароль.
Если не хотите регистрироваться, то введите логин: demo пароль:demo
Машинное обучение кластеризация и классификация на Python (2020)
Машинное обучение кластеризация и классификация на Python (2020)
Обучение
Выигрываем соревнование Kaggle с kNN, SVM, логистической регрессией, случайным лесом, XGBoost, CatBoost и LightGBM. Мы разберем прикладные подходы к кластеризации и классификации данных с помощью машинного обучения для страхового скоринга Prudential
Python для анализа данных (2019)
Python для анализа данных (2019)
Обучение
Наш курс позволяет освоить Python для анализа данных с нуля. Курс рассчитан на тех, кто не умеет программировать, но хочет научиться. Мы собрали только те инструменты, которые потребуются вам для решения аналитических задач.
Чистый Python. Тонкости программирования для профи
Чистый Python. Тонкости программирования для профи
Обучение
Изучение всех возможностей Python – сложная задача, а с этой книгой вы сможете сосредоточиться на практических навыках, которые действительно важны. Раскопайте «скрытое золото» в стандартной библиотеке Python и начните писать чистый код уже сегодня.
Регулярные выражения. 3-е издание
Регулярные выражения. 3-е издание
Обучение
Вы никогда не пользовались регулярными выражениями? Откройте мир regex и станьте профессионалом, способным эффективно работать с данными в Java, javascript, C, C++, C#, Perl, Python, Ruby, PHP и других языках программирования.
Обработка и предсказание данных в Python (2019)
Обработка и предсказание данных в Python (2019)
Обучение
Изучим работу с импортом, объединением, преобразованием, фильтрацией данных на pandas, а также научимся линейной регрессии. После прохождения курса вы сможете самостоятельно загружать данные в формате CSV, TSV, Excel, извлекать из них значения,
Python для web-разработчиков (2019)
Python для web-разработчиков (2019)
Обучение
Освойте веб-разработку с нуля - фронтенд и бэкенд на Python. Веб-разработка - профессия с высоким доходом и удобным графиком. И освоить ее несложно. Главное выбрать правильный подход! На практике для большинства заказов на фрилансе и вакансий по
Добавить
Комментарии (0)
Прокомментировать
  • bowtiesmilelaughingblushsmileyrelaxedsmirk
    heart_eyeskissing_heartkissing_closed_eyesflushedrelievedsatisfiedgrin
    winkstuck_out_tongue_winking_eyestuck_out_tongue_closed_eyesgrinningkissingstuck_out_tonguesleeping
    worriedfrowninganguishedopen_mouthgrimacingconfusedhushed
    expressionlessunamusedsweat_smilesweatdisappointed_relievedwearypensive
    disappointedconfoundedfearfulcold_sweatperseverecrysob
    joyastonishedscreamtired_faceangryragetriumph
    sleepyyummasksunglassesdizzy_faceimpsmiling_imp
    neutral_faceno_mouthinnocent
Войти через: