Погружение в мир AI: наука о данных и машинное обучение

Name: Погружение в мир AI: наука о данных и машинное обучение
Brand: Академия IT DMS
SKU: 155863
Price: 17994 RUB

Курс «Погружение в мир AI: наука о данных и машинное обучение» предлагает всестороннее обучение ключевым аспектам науки о данных и машинного обучения. Вы освоите Python и Pandas для обработки данных, регрессию и прогнозирование, классификацию, кластерный анализ, нейронные сети и текстовый анализ. Включены практические занятия по настройке Anaconda, работе с типами и структурами данных, методам и визуализации данных. Также вы научитесь создавать модели регрессии и классификации, проводить кластерный анализ и использовать нейронные сети.

Обучение 3 месяца

диплом

50%

Стоимость курса

17 994 ₽ 35 988 ₽

Рассрочка ₽/мес

Перейти на сайт

Программа курса
Чему вы научитесь
Мой рейтинг
Подробная информация о курсе
Отзывы

Программа курса

Ознакомьтесь с программой курса «Погружение в мир AI: наука о данных и машинное обучение» от Академия IT DMS - dms-it.ru

Урок 1. Введение в курс. Знакомство с программой, целями и форматом обучения
подготовка окружения Anaconda и рабочих блокнотов.
Урок 2. Типы данных в Python. Целые и вещественные числа, строки, даты и время
базовые операции и преобразования.
Урок 3. Структуры данных в Python. List, Dict, Tuple и Set, их свойства и типичные сценарии
удобные преобразования и вспомогательные функции.
Урок 4. Циклы и функции Python. Циклы for/while, логические операторы, написание и использование функций для повторного кода.
Урок 5. Объектно-ориентированное программирование на Python. Классы и объекты, инкапсуляция и наследование
работа с файлами и табличными данными.
Урок 6. Обработка файлов Pandas. Создание DataFrame, чтение/запись CSV и XLSX, подключение к источникам SQL.
Урок 7. Операции и методы Pandas. Исследование данных, выбор столбцов/строк, условная фильтрация, масштабирование и объединения.
Урок 8. Подготовка данных Pandas. Переименование колонок, удаление дубликатов, обработка пропусков, группировка и индикаторные признаки.
Урок 9. Описание данных Pandas. Сортировка и ранжирование, описательная статистика, кросс‑таблицы и агрегирование.
Урок 10. Визуализация данных Pandas. Гистограммы, боксплоты, scatter‑диаграммы, круговые и линейные графики.
Урок 11. Простая регрессионная модель и концепции моделирования. Базовая линейная регрессия, разбиение на train/test, ключевые метрики и принципы моделирования.
Урок 12. Линейные и многомерные модели множественной регрессии. Множественная линейная, полиномиальные признаки и взаимодействия
интерпретация коэффициентов.
Урок 13. Регуляризация регрессии, модели Лассо и Ридж. L1/Lasso и L2/Ridge для борьбы с переобучением
подбор гиперпараметров кросс‑валидацией.
Урок 14. Другие виды регрессий. Деревья решений, случайный лес и голосующие ансамбли для задач регрессии.
Урок 15. Контролируемое обучение и классификаторы. Постановка задачи классификации
логистическая регрессия и наивный Байес
базовые метрики качества.

Ознакомиться со всей программой

Чему вы научитесь

Научитесь уверенно работать с темой: объектно ориентированное программирование на python. классы и объекты, инкапсуляция и наследование
работа с файлами и табличными данными.
Научитесь уверенно работать с темой: циклы и функции python. циклы for/while, логические операторы, написание и использование функций для повторного кода.
Научитесь создавать и применять: обработка файлов pandas. создание dataframe, чтение/запись csv и xlsx, подключение к источникам sql.
Освоите и сможете применять: структуры данных в python. list, dict, tuple и set, их свойства и типичные сценарии
удобные преобразования и вспомогательные функции.
Научитесь настраивать и организовывать: подготовка данных pandas. переименование колонок, удаление дубликатов, обработка пропусков, группировка и индикаторные признаки.