Казахстан, г. Алматы, ул. Шевченко 90, БЦ «Каратал», офис 53
Казахстан, г. Нур-Султан, ул. Иманова 19, БЦ Деловой Дом "Алма-Ата", офис 612

Даты проведения курса

Выберите удобное для вас число,
запишитесь на курс, заполнив простую форму

город: Алматы
09.08.2021
-
14.08.2021 Подтвержден
записаться на курс
направление: Python Fundamentals. Python for Data Science кол-во дней: 6
вендор: Python кол-во часов: 48

Этот курс будет полезен:

  • специалистам, которые хотят начать карьеру в Data science;

  • специалистам по Data science, которые еще не освоили возможности работы с данными в Python;

  • специалистам, работающим с данными (аналитикам, бизнес-аналитикам, исследователям), которые хотят освоить новые гибкие инструменты для работы с данными.

После курса вы сможете:

  • понимать основные алгоритмы машинного обучения и практически их использовать для задач классификации и регрессии;

  • анализировать данные и строить модели машинного обучения с помощью Python;

  • делать качественные и интерактивные визуализации данных.

 

Часть 1.

1. Введение.

  • Что такое программирование?

  • История языка Python. IDE.

  • Установка среды разработки.

2. Базовый синтаксис языка Python.

  • Синтаксис.

  • Переменные.

  • Типы данных.

  • Операторы.

  • Ввод и вывод данных.

3. Условные выражения и циклы в Python.

  • Булева алгебра.

  • Логические операторы.

  • Условные операторы.

  • Ветвление.

  • Циклы for и while.

  • Вложенные циклы.

  • Break/continue/pass.

4. Структуры данных в Python.

  • Списки.

  • Индексы.

  • Работа со списками.

  • Срезы.

  • Встроенные функции и методы для работы со списками в Python.

5. Структуры данных в Python.

  • Кортежи.

  • Доступ к элементам кортежа.

  • Работа с кортежем.

  • Встроенные методы и функции для работы с кортежами в Python.

6. Структуры данных в Python.

  • Строки.

  • Манипуляции со строками.

  • Доступ к элементам строки.

  • Базовые операции.

  • Срезы.

  • Встроенные функции и методы для работы со строками в Python.

7. Структуры данных в Python.

  • Словари.

  • Доступ к элементам словаря.

  • Работа со словарём.

  • Свойства словарей.

  • Встроенные методы и функции для работы со словарями в Python.

8. Функции в Python.

  • Определение функций.

  • Вызов функций.

  • Типы функций.

  • Параметры и аргументы функции.

  • Документация функций.

  • Глобальные и локальные переменные.

  • Анонимные функции.

9. Исключения в Python.

  • Введение.

  • Для чего нужны исключения и как с ними работать.

  • Обработчики исключений.

10.Модули в Python.

  • Импорт модулей.

  • Практический пример с модулями Math и Random.

  • Пакеты.

Часть 2.

1. Введение в Data Science.

2. Python библиотеки для Анализа данных.

3. Математика для Анализа данных. Основные понятия.

4. Машинное обучение:

  • Базовые понятия.

  • Виды моделей ML.

  • Виды машинного обучения.

5. Логистическая регрессия. Линейная регрессия.

6. Метрики качества.

7. “Древесные алгоритмы”

8. Композиции алгоритмов.

9. Анализ временных рядов.

10. Нейронные сети.