Курс на Stepik
Обложка курса «Библиотеки Python для Data Science» на Stepik
4 000 ₽

Библиотеки Python для Data Science ★ 5.000

Открыть на
STEPIK.ORG

Курс знакомит слушателей с основными понятиями Data Science. Мы рассмотрим базовые алгоритмы (линейная модели, деревья решений, KNN, композиции), разберем подготовку данных (очистка, генерация новых признаков и их отбор). Полученных знаний будет достаточно для решения широкого круга задач.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Библиотеки Python для Data Science»Учеников на курсе 186
Сертификаты, выданные на курсе «Библиотеки Python для Data Science»Сертификатов выдано 30
Отзывы о курсе «Библиотеки Python для Data Science»Отзывов получено 9
Рейтинг курса «Библиотеки Python для Data Science»Рейтинг курса 5.000
Уроки в курсе «Библиотеки Python для Data Science»Количество уроков 18
Тесты в курсе «Библиотеки Python для Data Science»Количество квизов 71
Задачи с кодом в курсе «Библиотеки Python для Data Science»Количество задач с кодом 13
Время прохождения курса «Библиотеки Python для Data Science»Время прохождения курса —
Стоимость курса «Библиотеки Python для Data Science»Стоимость курса 4 000 ₽ —
Обновления курса «Библиотеки Python для Data Science»Обновления курса — —
Дата публикации курса «Библиотеки Python для Data Science»Дата публикации курса — ———
Последнее обновление курса «Библиотеки Python для Data Science»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Библиотеки Python для Data Science» 5 разделов Уроки в курсе «Библиотеки Python для Data Science» 18 уроков Тесты в курсе «Библиотеки Python для Data Science» 71 тест Задачи в курсе «Библиотеки Python для Data Science» 13 задач Время прохождения курса «Библиотеки Python для Data Science» 15 ч. Последнее обновление курса «Библиотеки Python для Data Science» обн. 1 год назад

1. Введение

2 урока
Закрытый
1.1 Приветствие ↗
173
146
2м 58с
12
Закрытый
1.2 Google Colab ↗
158
89
20м 30с
12

2. Анализ данных

4 урока
Открытый
2.1 Первичный анализ данных ↗
1 362
247
4м 31с
19
Открытый
2.2 Практические задания Pandas ↗
962
79
213м 26с
5
Закрытый
2.3 Визуальный анализ данных ↗
139
99
19м 35с
10
Закрытый
2.4 Практические задания Визуализация ↗
124
51
124м 41с
5

3. Задачи машинного обучения

4 урока
Закрытый
3.1 Регрессия ↗
115
80
3м 0с
4
Закрытый
3.2 Практические задания Регрессия ↗
98
52
168м 46с
2
Закрытый
3.3 Классификация ↗
100
66
7м 26с
3
Закрытый
3.4 Практические задания Классификация ↗
88
36
158м 44с
2

4. Улучшение качества данных и модели

4 урока
Закрытый
4.1 Улучшение качества данных ↗
86
46
4м 41с
3
Закрытый
4.2 Практические задания Данные ↗
67
25
199м 5с
1
Закрытый
4.3 Улучшение качества модели ↗
75
33
7м 10с
2
Закрытый
4.4 Практические задания Улучшение модели ↗
58
21
0м 25с
1

5. Проекты

4 урока
Закрытый
5.1 Обучение без учителя ↗
60
29
3м 37с
1
Закрытый
5.2 Практические задания Unsupervised learning ↗
53
14
1м 31с
0
Закрытый
5.3 "Деревянные" модели ↗
59
25
3м 28с
2
Закрытый
5.4 Проект ↗
56
9
1м 36с
0