Чему вы научитесь
- Построение моделей машинного обучения с учителем (Supervised Learning)
- Применение NumPy для работы с числами в Python
- Использование Seaborn для создания красивых графиков визуализации данных
- Применение Pandas для манипуляции с данными в Python
- Элементы Matplotlib для детальной настройки визуализаций данных в Python
- Конструирование признаков (Feature Engineering) на реалистичных примерах
- Алгоритмы регрессии для предсказания непрерывных переменных
- Навыки подготовки данных к машинному обучению
- Алгоритмы классификации для предсказания категориальных переменных
- Создание портфолио проектов машинного обучения и Data Science
- Работа с Scikit-Learn для применения различных алгоритмов машинного обучения
- Быстрая настройка Anaconda для работ по машинному обучению
- Понимание полного цикла этапов работ по машинному обучению
О курсе
Для кого этот курс
Начальные требования
Базовые знания Python (на уровне функций).
Либо опыт работы с другими языками программирования + готовность изучать Python в процессе курса.
Преподаватели курса
Как проходит обучение
- Видео-лекции, разбитые по разделам курса и отдельным лекциям
- Блокноты Jupyter Notebook со всеми фрагментами кода в Python и тестовыми комментариями.
- Проверочные задания в каждом разделе курса
- Разбор решений для проверочных заданий - как в видео-лекциях, так и в блокнотах с комментариями
- Поддержка преподавателя - ответы на вопросы
Сертификат
Что вы получите
- Уверенные начальные знания и навыки по машинному обучению.