Бесплатный курс
Пройти бесплатно
Сертификат о прохождении обучения
О чем этот курс?

Курс предназначен для тех, кто стремится освоить область науки о данных. Цель курса - обеспечить всестороннее понимание ключевых аспектов Data Science, включая сбор, обработку, анализ данных, а также основы машинного обучения. Этот курс разработан для тех, кто хочет начать свой путь в этой перспективной и быстроразвивающейся области. Он сочетает в себе теоретические основы и практические навыки, необходимые для старта успешной карьеры в области анализа данных.

Содержание курса:

  1. Модуль: Введение в Data Science. Основы Data Science, типы данных, методы их сбора и очистки.

  2. Модуль: Python для Data Science. Основы Python, работа с библиотеками NumPy и Pandas, визуализация данных.

  3. Модуль: Статистический анализ. Описательная и инференциальная статистика, корреляция и регрессия.

  4. Модуль: Введение в машинное обучение. Основы машинного обучения, обучение с учителем и без.

Цель курса:

  • Предоставить теоретические и практические знания в области науки о данных;

  • Освоить основы программирования на Python для анализа данных;

  • Обучить методам статистического анализа и машинного обучения.

Видео уроки оснащены субтитрами. Вы можете включить либо отключить субтитры через соответствующую кнопку в панели плеера. 

72:00 Длительность курса
37 Уроков курса
31 Заданий
Для кого этот курс?
Начинающие специалисты
Курсы предоставят профильные учебные материалы, которые помогут начинающим специалистам заложить основу профессии и в дальнейшем применять в своей практике
Желающим повысить свою ценность на рынке труда
Курсы будут интересны профессионалам и специалистам, которые уже имеют опыт работы и хотят углубленно изучить профильные навыки, а также особенности их эффективного использования
Менеджеры и профессионалы разных профессий
Курсы станут базовыми для менеджеров и профессионалов разных профессий и позволят освоить новые навыки для работы
Чему научитесь?
Определять основные понятия и принципы Data Science, включая ключевые задачи, методы и цели отрасли.
Проектировать и организовывать эффективные процессы сбора, очистки и анализа данных для решения реальных проблем.
Моделировать статистические данные, используя описательную и инференциальную статистику, для выявления тенденций и закономерностей.
Программа курса

  • Урок 1. Вводный урок 30 минут
  • Урок 2. Что такое Data Science? 1 час
  • Урок 3. Структуры и типы данных 1 час
  • Урок 4. Сбор данных в Data Science 2 часа
  • Промежуточное тестирование по итогам модуля 30 минут

  • Урок 1. Настройка рабочей среды для программирования на Python 2 часа
  • Урок 2. Основы языка Python, его структура и синтаксис 3 часа
  • Урок 3. Введение в библиотеку NumPy 3 часа
  • Урок 4. Практический урок с NumPy 4 часа
  • Урок 5. Введение в библиотеку Pandas для работы с данными 2 часа 30 минут
  • Урок 6. Pandas для анализа данных на Python 3 часа
  • Урок 7. Практический урок с Pandas 4 часа
  • Урок 8. Визуализация данных с Matplotlib 2 часа
  • Промежуточное тестирование по итогам модуля 30 минут

  • Урок 1. Основы статистического анализа 1 час
  • Урок 2. Генеральная совокупность и выборка 2 часа
  • Урок 3. Типы переменных. Количественные и номинативные переменные 2 часа
  • Урок 4. Меры центральной тенденции 2 часа
  • Урок 5. Меры изменчивости 2 часа
  • Урок 6. Квартили распределения и график box-plot 3 часа
  • Урок 7. Нормальное распределение 3 часа
  • Урок 8. Центральная предельная теорема 3 часа
  • Урок 9. Доверительные интервалы для среднего 3 часа
  • Урок 10. Идея статистического вывода, p-уровень значимости 2 часа
  • Промежуточное тестирование по итогам модуля 30 минут

  • Урок 1. Введение в машинное обучение 30 минут
  • Урок 2. Типы алгоритмов 1 час 30 минут
  • Урок 3. Задачи машинного обучения 2 часа
  • Урок 4. Частые вопросы машинного обучения 2 часа
  • Урок 5. Методология разработки задач 2 часа
  • Урок 6. Определение бизнес требований 2 часа
  • Урок 7. Сбор и подготовка данных 2 часа
  • Урок 8. Разработка моделей 2 часа
  • Урок 9. Тестирование и внедрение модели 2 часа
  • Урок 10. Проблемы разработки моделей 2 часа
  • Промежуточное тестирование по итогам модуля 30 минут
  • Итоговое тестирование 1 час
Об авторе
5
  • UNDP Kazakhstan
  • На площадке с 2024 года
IT и телекоммуникации
6 отзывов
10 курсов
779 обучающихся
6 выданных сертификата
Профиль
Похожие курсы

Войти