Курс на Stepik
Обложка курса «Machine Learning и Data Science: практический минимум» на Stepik
1 490 ₽

Machine Learning и Data Science: практический минимум ★ 0.000

Открыть на
STEPIK.ORG

Концентрированный практический минимум для подготовки к ML/DS-собеседованиям: Python, структуры данных, NumPy, pandas и базовая математика. Курс поможет быстро повторить фундамент, найти пробелы и увереннее отвечать на технические вопросы.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Machine Learning и Data Science: практический минимум»Учеников на курсе 0
Сертификаты, выданные на курсе «Machine Learning и Data Science: практический минимум»Сертификатов выдано 0
Отзывы о курсе «Machine Learning и Data Science: практический минимум»Отзывов получено 0
Рейтинг курса «Machine Learning и Data Science: практический минимум»Рейтинг курса 0.000
Уроки в курсе «Machine Learning и Data Science: практический минимум»Количество уроков 10
Тесты в курсе «Machine Learning и Data Science: практический минимум»Количество квизов 50
Задачи с кодом в курсе «Machine Learning и Data Science: практический минимум»Количество задач с кодом 8
Время прохождения курса «Machine Learning и Data Science: практический минимум»Время прохождения курса —
Стоимость курса «Machine Learning и Data Science: практический минимум»Стоимость курса 1 490 ₽ —
Обновления курса «Machine Learning и Data Science: практический минимум»Обновления курса — —
Дата публикации курса «Machine Learning и Data Science: практический минимум»Дата публикации курса — ———
Последнее обновление курса «Machine Learning и Data Science: практический минимум»Последнее обновление — ———
Сложность easy — ———

Чему вы научитесь

  • Уверенно ориентироваться в базовых возможностях Python и структурах данных
  • Работать с массивами и таблицами с помощью NumPy и pandas
  • Выполнять простые агрегации и преобразования данных
  • Повторить математическую базу, необходимую для дальнейшего изучения Machine Learning
  • Понимать, как базовые знания проверяются на технических собеседованиях
  • Находить и закрывать пробелы перед изучением более сложных ML-тем

О курсе

Концентрированный практический минимум для подготовки к ML/DS-собеседованиям: Python, структуры данных, NumPy, pandas и базовая математика. Курс поможет быстро повторить фундамент, найти пробелы и увереннее отвечать на технические вопросы.

Для кого этот курс

Курс подойдёт тем, кто хочет повторить техническую базу перед изучением Machine Learning или прохождением собеседований. Подойдёт: • студентам технических и математических специальностей; • начинающим специалистам в Data Science, Machine Learning и аналитике; • специалистам из других IT-направлений, переходящим в Data Science; • кандидатам, которые готовятся к техническим собеседованиям; • тем, кто возвращается к ML/DS после перерыва и хочет восстановить базовые знания.

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

Аватар Илья Ломоносов
Илья Ломоносов
Senior Data Scientist, 5 лет в индустрии. 70+ собеседований как кандидат, 15+ — как интервьюер. Выпускник МФТИ. Работаю ...
★ 5.0
4 курса 1 803
→

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.

Что вы получите

  • систематизированную базу по Python, NumPy, pandas и математике;
  • понимание своих сильных и слабых мест;
  • подготовку к базовым вопросам технических собеседований;
  • фундамент для дальнейшего изучения Machine Learning и прохождения основного курса

Расскажите о курсе друзьям