Содержание пакета (3 курса)
1. Data Science на Python: анализ, визуализация и ML 5.0
1. Вступление
3 урока
👁
199
👤
109
Закрытый
1.1
О курсе
↗
116
35
2м
0
Закрытый
1.2
Устанавливаем Python
↗
42
42
1м
0
Закрытый
1.3
Настраиваем VS Code Studio
↗
41
32
2м
0
2. NumPy — числа и массивы
5 уроков
👁
142
👤
99
Закрытый
2.1
Зачем NumPy и как он работает внутри
↗
41
26
6м
0
Открытый
2.2
Создание массивов, индексация, срезы
↗
30
22
18м
0
Закрытый
2.3
Операции над массивами — векторизация вместо циклов
↗
25
21
18м
0
Закрытый
2.4
Математические и статистические функции
↗
25
18
19м
0
Закрытый
2.5
Работа с многомерными массивами
↗
21
12
20м
0
3. Pandas — работа с таблицами
9 уроков
👁
92
👤
41
Закрытый
3.1
DataFrame и Series — главные объекты Pandas
↗
17
11
12м
0
Закрытый
3.2
Загрузка данных: CSV, Excel, JSON, SQL
↗
15
8
17м
0
Закрытый
3.3
Индексация: loc, iloc и условный отбор
↗
11
4
6м
0
Закрытый
3.4
Очистка данных — пропуски, дубликаты, типы
↗
9
4
0
Закрытый
3.5
Преобразование данных — apply, map, lambda
↗
9
3
0
Закрытый
3.6
Группировка: groupby и агрегация
↗
9
3
0
Закрытый
3.7
Объединение таблиц: merge, concat, join
↗
7
3
0
Закрытый
3.8
Работа со временными рядами
↗
8
2
0
Закрытый
3.9
Эксплораторный анализ (EDA) — методика и подход
↗
7
3
0
4. Визуализация данных
5 уроков
👁
39
👤
11
Закрытый
4.1
Matplotlib — основы и анатомия графика
↗
9
2
0
Закрытый
4.2
Типы графиков: линии, столбцы, scatter, гистограммы
↗
7
3
0
Закрытый
4.3
Настройка стиля, цветов, аннотаций
↗
7
2
0
Закрытый
4.4
Seaborn — красивая статистическая визуализация
↗
8
2
0
Закрытый
4.5
Plotly — интерактивные графики
↗
8
2
0
5. EDA — разведочный анализ
2 урока
👁
15
👤
6
Закрытый
5.1
Методика EDA — как подходить к новому датасету
↗
9
3
0
Закрытый
5.2
Статистика в EDA: распределения, корреляция, выбросы
↗
6
3
0
6. Математика для ML
3 урока
👁
25
👤
9
Закрытый
6.1
Линейная алгебра для ML: матрицы, умножение, нормы
↗
9
3
0
Закрытый
6.2
Теория вероятностей — минимум для ML
↗
9
3
0
Закрытый
6.3
Градиентный спуск — интуиция, формулы и код
↗
7
3
0
7. Подготовка данных для ML
4 урока
👁
23
👤
12
Закрытый
7.1
Кодирование категориальных признаков: OHE, Label,Target Encoding
↗
8
3
0
Закрытый
7.2
Нормализация и масштабирование: StandardScaler, MinMaxScaler
↗
5
3
0
Закрытый
7.3
Feature Engineering — создаём новые признаки вручную
↗
5
3
0
Закрытый
7.4
Несбалансированные классы: SMOTE, веса классов, стратегия
↗
5
3
0
8. Scikit-learn — классический ML
9 уроков
👁
46
👤
17
Закрытый
8.1
ML-пайплайн от данных до предсказания + разбивка train/test
↗
6
2
0
Закрытый
8.2
Кросс-валидация — надёжная оценка качества модели
↗
5
2
0
Закрытый
8.3
Линейная регрессия — от уравнения к sklearn
↗
7
1
0
Закрытый
8.4
Логистическая регрессия — классификация и вероятности
↗
4
2
0
Закрытый
8.5
Деревья решений — как работают и где ошибаются
↗
5
3
0
Закрытый
8.6
Случайный лес — бэггинг и ансамблевые методы
↗
5
2
0
Закрытый
8.7
Метрики качества: accuracy, precision, recall, F1, RMSE
↗
5
3
0
Закрытый
8.8
Отбор признаков и важность фичей (feature importance)
↗
4
1
0
Закрытый
8.9
Pipelines в sklearn — чистый пайплайн от A до Z
↗
5
1
0
9. Продвинутые темы
5 уроков
👁
26
👤
9
Закрытый
9.1
XGBoost — градиентный бустинг в деталях
↗
6
2
0
Закрытый
9.2
LightGBM — быстрый и точный бустинг
↗
5
1
0
Закрытый
9.3
Настройка гиперпараметров: GridSearch и Optuna
↗
4
2
0
Закрытый
9.4
Объяснимость моделей — SHAP и interpretability
↗
4
2
0
Закрытый
9.5
Kaggle — стратегия участия и первый сабмит
↗
7
2
0
10. Заключение
2 урока
👁
11
👤
8
Закрытый
10.1
Полезные материалы
↗
6
6
0
Закрытый
10.2
Финальный урок
↗
5
2
0
2. Все о структурах данных в Python для начинающих 5.0
1. Введение
1 урок
👁
199
👤
22
Закрытый
1.1
Предисловие
↗
199
22
2м
0
2. Строки
6 уроков
👁
343
👤
205
Закрытый
2.1
Введение в строки. Строковый тип данных
↗
90
39
17м
0
Закрытый
2.2
Индексация и срезы
↗
59
35
20м
0
Закрытый
2.3
Методы Строк. Часть 1
↗
55
33
16м
0
Закрытый
2.4
Методы Строк. Часть 2
↗
49
28
23м
0
Закрытый
2.5
Форматирование строк. f - строки. Метод format()
↗
47
27
15м
0
Закрытый
2.6
Материалы для самостоятельного изучения
↗
43
43
1м
0
3. Списки
7 уроков
👁
280
👤
189
Закрытый
3.1
Введение в списки
↗
51
34
13м
0
Закрытый
3.2
Методы Списков. Часть 1
↗
43
36
6м
0
Закрытый
3.3
Практические задачи
↗
42
27
26м
0
Закрытый
3.4
Методы Списков. Часть 2
↗
41
22
23м
0
Закрытый
3.5
Списочные выражения. Метод sorted()
↗
36
19
33м
0
Закрытый
3.6
Вложенные списки
↗
36
20
16м
0
Закрытый
3.7
Материалы для самостоятельного изучения
↗
31
31
0м
0
4. Кортежи
3 урока
👁
137
👤
105
Закрытый
4.1
Введение в кортежи
↗
51
33
12м
0
Закрытый
4.2
Методы кортежей
↗
46
32
8м
0
Закрытый
4.3
Материалы для самостоятельного изучения
↗
40
40
0м
0
5. Словари
6 уроков
👁
204
👤
118
Закрытый
5.1
Введение в словари
↗
47
22
10м
0
Закрытый
5.2
Методы словарей. Часть 1
↗
34
18
29м
0
Закрытый
5.3
Методы словарей. Часть 2
↗
31
18
32м
0
Закрытый
5.4
Вложенные словари
↗
32
17
23м
0
Закрытый
5.5
Генераторы словарей
↗
33
16
16м
0
Закрытый
5.6
Материалы для самостоятельного изучения
↗
27
27
0м
0
6. Множества
5 уроков
👁
133
👤
77
Закрытый
6.1
Введение во множества
↗
32
15
20м
0
Закрытый
6.2
Методы множеств. Часть 1
↗
28
13
28м
0
Закрытый
6.3
Методы множеств. Часть 2
↗
25
14
24м
0
Закрытый
6.4
Генераторы множеств. frozenset
↗
25
12
19м
0
Закрытый
6.5
Материалы для самостоятельного изучения
↗
23
23
0м
0
7. Заключение
1 урок
👁
25
👤
17
Закрытый
7.1
Финальный урок
↗
25
17
2м
0
3. Все о функциях в Python 5.0
1. Вступление
1 урок
👁
284
👤
44
Закрытый
1.1
О курсе
↗
284
44
2м
0
2. Функции. Начало
3 урока
👁
346
👤
190
Закрытый
2.1
Функции без параметров
↗
148
82
11м
0
Закрытый
2.2
Функции с параметрами
↗
110
57
34м
0
Закрытый
2.3
Оператор return
↗
88
51
33м
0
3. Глубже в синтаксис
5 уроков
👁
307
👤
149
Закрытый
3.1
Значения по умолчанию
↗
82
40
43м
0
Закрытый
3.2
Позиционные и именованные аргументы
↗
71
37
34м
0
Закрытый
3.3
Произвольное число аргументов
↗
65
30
59м
0
Закрытый
3.4
Аннотации типов. Модуль typing
↗
68
29
56м
0
Закрытый
3.5
Интроспекция. Модуль inspect
↗
21
13
16м
0
4. Область видимости и работа с переменными
5 уроков
👁
259
👤
126
Закрытый
4.1
Локальные и глобальные переменные
↗
59
26
31м
0
Закрытый
4.2
Замыкания. Вложенные функции
↗
57
33
35м
0
Закрытый
4.3
Декораторы. Часть 1
↗
54
27
52м
0
Закрытый
4.4
Декораторы. Часть 2
↗
51
20
51м
0
Закрытый
4.5
Декораторы. Часть 3
↗
38
20
35м
0
5. Анонимные функции и функциональные инструменты
4 урока
👁
166
👤
85
Закрытый
5.1
Встроенные функции. Часть 1
↗
44
18
40м
0
Закрытый
5.2
Встроенные функции. Часть 2
↗
39
18
24м
0
Закрытый
5.3
Лямбда-функции. Часть 1
↗
46
31
9м
0
Закрытый
5.4
Лямбда-функции. Часть 2
↗
37
18
41м
0
6. Рекурсивные функции
2 урока
👁
77
👤
38
Закрытый
6.1
Рекурсия. Часть 1
↗
42
20
36м
0
Закрытый
6.2
Рекурсия. Часть 2
↗
35
18
40м
0
7. Генераторы и итераторы
6 уроков
👁
199
👤
96
Закрытый
7.1
Итераторы. Часть 1
↗
39
18
27м
0
Закрытый
7.2
Итераторы. Часть 2
↗
32
17
27м
0
Закрытый
7.3
Функции генераторы
↗
32
16
59м
0
Закрытый
7.4
Методы генераторов
↗
30
14
106м
0
Закрытый
7.5
Генераторные выражения. Вложенные генераторы. Часть 1
↗
34
17
8м
0
Закрытый
7.6
Генераторные выражения. Вложенные генераторы. Часть 2
↗
32
14
18м
0
8. Финальное задание
2 урока
👁
52
👤
31
Закрытый
8.1
Пет-проект 🔥
↗
18
11
1м
0
Закрытый
8.2
Пет-проект 🔥🔥
↗
34
20
1м
0
9. Заключение
1 урок
👁
33
👤
7
Закрытый
9.1
Финальный урок
↗
33
7
1м
0