Чему вы научитесь
Курс для тех, кто готовится к live-coding на ML/DS-собеседованиях и хочет потренироваться решать задачи на Python и работу с данными.
Здесь вы повторите нужную базу и примените её в задачах: от операций с таблицами до анализа данных и обучения модели. Это самостоятельный курс, который можно пройти отдельно.
Практические задачи с live-coding и вопросы с технических этапов
Практические задачи с live-coding-собеседований в Авито, Т-Банке и VK. Вы потренируетесь работать с данными в pandas, исследовать метрики, визуализировать данные и обучать модель в scikit-learn.
Задача с лайвкодинга в Авито: реализуете на NumPy одну из стандартных процедур машинного обучения.
Среди задач: найти пользователей без платежей, выбрать топ-3 товара по выручке внутри каждой категории, разбить события на сессии. В кейсах вы исследуете снижение CTR рекламной платформы и проверите, как новый признак влияет на результат модели. Для практики используются учебные данные.
Вопросы с технических этапов по Python, работе с данными и математике. Они помогают закрепить базу и проверить понимание перед собеседованием.
База, которая нужна для решения задач
Перед практикой можно повторить Python и структуры данных, массивы NumPy, операции с таблицами в pandas, визуализацию в Matplotlib и Seaborn, минимум scikit-learn и базовую математику.
В pandas разберём фильтрацию, группировки, объединение таблиц, работу с датами и пропусками. В математике — основы линейной алгебры, производные, вероятность и статистику.
Как проходить курс
Если давно не работали с этими инструментами, проходите материалы последовательно: повторение базы, задания, кейсы. Если база уверенная, начинайте с практики и возвращайтесь к теории там, где обнаружились пробелы.
В курсе есть кодовые задания с автоматической проверкой на Stepik, интерактивные вопросы и кейсы для работы в своём ноутбуке. Форматы различаются: часть решений проверяет платформа, часть вы самостоятельно сравниваете с разбором.
Чтобы приблизить практику к собеседованию, сначала попробуйте решить задачу без подсказок и проговорить ход решения. После этого проверьте ответ. В кейсе scikit-learn после самостоятельной практики есть разбор с кодом и объяснением решения.
Курс рассчитан на самостоятельное прохождение в удобном темпе.
Кому подойдёт
Тем, кто уже знаком с основами Python, готовится к ML/DS-собеседованиям или хочет восстановить навыки работы с данными после перерыва.
Это не обучение программированию с нуля. Курс помогает повторить базу и потренироваться применять её в задачах с технических интервью.
Подготовка к вопросам по Machine Learning
Если на собеседовании предстоят вопросы не только по Python и работе с данными, но и по самим моделям, продолжить подготовку можно в курсе «Machine Learning и Data Science: подготовка к собеседованиям».
В нём разбираем линейную и логистическую регрессию, градиентный спуск, переобучение и регуляризацию, метрики качества, деревья и ансамбли. Теория закрепляется заданиями и вопросами с собеседований: чтобы проверить понимание и потренироваться объяснять, как работают модели и почему выбирают тот или иной подход.
Практический курс можно проходить отдельно. Основной подойдёт, если хотите дополнить практику с кодом системной подготовкой к техническим вопросам по классическому ML.
О курсе
Для кого этот курс
Начальные требования
Базовое знакомство с программированием
Общее понимание задач Data Science и Machine Learning
Желательно знать основные конструкции Python: переменные, условия, циклы и функции
Глубокие знания Python, математики, NumPy или pandas не требуются, однако курс не предназначен для изучения программирования с абсолютного нуля.
Преподаватели курса
Как проходит обучение
Курс состоит из коротких разборов теории, практических заданий и вопросов с технических собеседований.
Его можно проходить последовательно, чтобы восстановить базу, или использовать как справочник для повторения отдельных тем.
Внутри:
• объяснения основных понятий;
• задания для проверки понимания;
• семинары по NumPy, pandas и matplotlib;
• вопросы с собеседований по Python, математике и работе с данными.