освоїте навички аналізу даних за допомогою Python, оптимізуєте свою роботу і будете цінним співробітником для будь-якої digital-компанії
Від основ Python до Machine Learning
спікери курсу:
Від основ Python до Machine Learning
спікери курсу:
- Денис Соболєв (Skyeng)
- Ілля Чухляєв (OWOX)
- Чайзат Ховалиг (Точка банк)
- Анна Морозова (Яндекс)
- працювати з сирими даними
- аналізувати дані
- працювати з Big Data і візуалізувати дані
- висувати і тестувати гіпотези
Блок 1: Python та обробка даних
- Вступ до Python
- типи даних, функції, класи, помилки
- рядки, умови, цикли
- Списки та словники в Python
- пакети, файли, Pandas-початок
- Pandas: продовження
- Візуалізація даних
- бази даних та статистика
- багатопоточність
- веб-сервер flask та контроль версій GIt
- підсумковий проект
- Вступ до Power BI2
- Power Query. Отримання та перетворення даних
- Модель даних у Power BI4
- DAX5
- Робота зі звітами, базові принципи візуалізації даних
- Power BI Service і створення дашборда
- Power BI і Python
- підсумковий проект
- Вступ до блоку SQL
- Витяг та фільтрація даних
- перетворення та сортування даних
- групування даних
- введення в бази даних
- Об'єднання таблиць
- вкладені запити
- оновлення, додавання та видалення даних
- Створення, зміна та видалення таблиць
- Advanced
- огляд основних програм
- введення в Tableau. Знайомство з інфраструктурою Tableau
- моделі даних та табличні обчислення
- параметри та рівні деталізації в Tableau
- псевдоніми, сортування, Actions
- Розробка дашбордів. Налаштування взаємодії між візуалізаціями
- знайомство з машинним навчанням
- лінійна регресія
- бінарна Класифікація
- побудова надійних стратегій валідації-важливість локальної валідації
- вирішальні дерева
- Bootstrap, bagging та випадковий ліс
- Feature Engineering, Feature Selection
- градієнтний бустинг
- Воркшоп: передбачення відтоку клієнтів і прогноз продажів
- A/B тестування
- навчання без вчителя
- Воркшоп: скоринг кредитного портфеля
- введення в нейронні мережі
- навчання нейромереж
- глибоке навчання на практиці
- додаткові можливості Tensorflow + Keras
- згорткові нейронні мережі
- введення в NLP, поняття ембеддинга
- рекурентні нейронні мережі
- нейромережі з увагою, трансформери
- Metric learning, навчання без вчителя
- навчання з підкріпленням в нейромережах
- введення
- Метрики та бейзлайни
- матричне розкладання
- рекомендації через пошук найближчих сусідів
- гібридні рекомендаційні системи
- Робота над дипломним проектом для портфоліо
- Підготовка резюме
- Підготовка до співбесіди
- фінальний Захист та консультації
https://privatelink.de/?https://productstar.ru/analytics-python-course