Курс на Stepik
Обложка курса «Анализ данных 2024-2025» на Stepik
100 ₽

Анализ данных 2024-2025 ★ 3.667

Открыть на
STEPIK.ORG

Задания и теория из курса анализа данных, проводимого во лицее №2 города Иркутска в 2024-2025 учебном году. Основные технологии используемые в курсе: numpy, pandas, matplotlib, sklearn, keras

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Анализ данных 2024-2025»Учеников на курсе 107
Сертификаты, выданные на курсе «Анализ данных 2024-2025»Сертификатов выдано 0
Отзывы о курсе «Анализ данных 2024-2025»Отзывов получено 3
Рейтинг курса «Анализ данных 2024-2025»Рейтинг курса 3.667
Уроки в курсе «Анализ данных 2024-2025»Количество уроков 44
Тесты в курсе «Анализ данных 2024-2025»Количество квизов 46
Задачи с кодом в курсе «Анализ данных 2024-2025»Количество задач с кодом 133
Время прохождения курса «Анализ данных 2024-2025»Время прохождения курса —
Стоимость курса «Анализ данных 2024-2025»Стоимость курса 100 ₽ —
Обновления курса «Анализ данных 2024-2025»Обновления курса — —
Дата публикации курса «Анализ данных 2024-2025»Дата публикации курса — ———
Последнее обновление курса «Анализ данных 2024-2025»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Анализ данных 2024-2025» 6 разделов Уроки в курсе «Анализ данных 2024-2025» 44 урока Тесты в курсе «Анализ данных 2024-2025» 46 тестов Задачи в курсе «Анализ данных 2024-2025» 133 задачи Время прохождения курса «Анализ данных 2024-2025» 20 ч. Последнее обновление курса «Анализ данных 2024-2025» обн. 27 апреля 2026

Python 3

10 уроков
1. Ветвления ↗
2. Циклы ↗
3. Списки ↗
4. Строки ↗
5. Функции ↗
6. Работа с файлами ↗
7. Коллекции ↗
8. Модули ↗
9. Функциональное программирование ↗
10. Доп задачи ↗

Numpy

7 уроков
1. Работа с массивами ↗
2. Векторизованные операции ↗
3. Индексация массивов ↗
4. Условная индексация ↗
5. Агрегация значений и работа с осями ↗
6. Nan-безопасность ↗
7. Работа с файлами ↗

Pandas

10 уроков
1. Pandas. Серии и Датафреймы ↗
2. Pandas. Функции серий и датафреймов ↗
3. Pandas. Unique ↗
4. Pandas. Группировка ↗
5. Pandas. Практика ↗
6. Pandas. Аксессоры str, dt ↗
7. Pandas. Разминка ↗
8. Pandas. Resample ↗
9. Pandas. Rolling ↗
10. Pandas. Еще разминка ↗

Визуализация данных

5 уроков
1. Виды графиков ↗
2. Matplotlib. Основные виды графиков ↗
3. Matplotlib. Практика ↗
4. Seaborn и ящик с усами ↗
5. Plotly. Интерактивные графики ↗

Классические методы машинного обучения

11 уроков
1. Основные понятия машинного обучения ↗
2. Задача регрессии. Линейная регрессия ↗
3. Задача регрессии. Линейная регрессия не для kx + b ↗
4. Использование категориальных признаков в линейной регрессии ↗
5. Обучающая и тестовые выборки ↗
6. Задача классификации. Метрики ↗
7. Задача классификации. Деревья решений ↗
8. Задача классификации. Лес решений и кросс-валидация ↗
9. Задача классификации. Работа с картинками ↗
10. Классификация текста и наивный Байес ↗
11. Кластеризация ↗

Отборочное тестирование

1 урок
1. Тест ↗