Курс на Stepik
Освойте профессию Data Scientist с нуля и выйдите на уровень, достаточный для первых собеседований. Вы научитесь анализировать данные, строить модели Machine Learning, работать с нейросетями и формировать портфолио проектов на основе реальных задач.
| Показатель | Текущие показатели | Рост | |||
|---|---|---|---|---|---|
| Значение | 🏆 Рейтинг | 3 дн | 7 дн | 30 дн | |
 Учеников на курсе |
4 | ||||
 Сертификатов выдано |
0 | ||||
 Отзывов получено |
32 | ||||
 Рейтинг курса |
4.766 | ||||
 Курсов в пакете |
9 | — | — | — | — |
 Количество уроков |
217 | ||||
 Количество квизов |
1735 | ||||
 Количество задач с кодом |
280 | ||||
 Время прохождения курса |
— | ||||
 Стоимость курса |
11 500 ₽ | — | |||
 Обновления курса |
— | — | |||
 Дата публикации курса |
— | — | — | — | |
| Последнее обновление |
— | — | — | — | |
| Сложность | easy | — | — | — | — |
Хороший компактный курс по NumPy. Теория идёт последовательно - от создания и индексирования массивов до статистики, многомерных данных и временных рядов. И каждая тема сразу закрепляется практикой на реальных наборах данных. Отдельно понравилось, что упор не только на "как написать", но и на "как написать быстро": векторизация и оптимизация вычислений объясняются наглядно, и разница с обычными циклами становится очевидной. Отличная база для всех, кто идёт в анализ данных. Спасибо автору!
Нормальный курс для новичка. Минус - задачки. В основном только тесты без практики, а где есть практика ответы принимаются без проверки. Где-то вопросы дублируются подрыт. В общем, теории нормально, но практика сделана на "коленке".
Мне этот курс очень помог, спасибо
В целом все понятно, курс хороший, даёт базу по разведочному анализу данных
Хороший курс
Супер курс, пасиб автору
Отличный курс! все понятно и много заданий на закрепление тем. было бы круто добавить ответы преподавателя на каждый вопрос в обсуждениях
хороший курс для старта, несложный
Курс нормальный. Кратко теория и немного практики
Неплохой курс для закрепления теории практическими задачами. Мне понравился
