search

Курс «Python: анализ данных и машинное обучение»

Школа: Школа онлайн образования Loftschool
Направление
Python
Домашние задания
Есть
Итоговый экзамен
Нет
Количество уроков
7
Документ об обучении
Сертификат
Обратная связь
Есть
Доступ
Сразу после покупки
Последнее обновление 03.07.2022
Кешбек 7%
25 500 руб.
Перейти на сайт курса за кешбэком

О курсе

Курс «Python: анализ данных и машинное обучение» — уникальный опыт изучения языка программирования общего назначения. Рекрутинг в сфере IT сейчас как никогда нуждается в специалистах со знанием этого языка, ведь благодаря навыкам, которые студенты получат на курсах, могут решаться многие рабочие задачи.
Курс подойдёт всем вне зависимости от уровня подготовки и знаний: всего за 6 недель обучения как новичок, так и действующий IT-специалист может изучить полезную теорию с возможностью применения её на практике.

Дистанционный формат обучения будет исключительно удобен тем, кто ценит своё время и хочет совмещать учёбу и иную деятельность. Онлайн-обучение проходит с помощью видеоуроков, в конце которых студенты будут получать домашние задания для выполнения. Преподаватели-кураторы всегда готовы ответить на интересующие учеников вопросы и помочь с исправлением типовых ошибок.

Студенты онлайн-курса научатся применять Python для анализа, пользоваться библиотеками для программирования, а также работать с нейронными сетями и ансамблями моделей.

Выпускники онлайн-курса после обучения получат диплом с уникальным ID и будут иметь возможность устроиться на стажировку или работу в известную компанию.

Программа курса

  1. — Изучаем особенности языка Python
    — Учимся работать с условными операторами, циклами и функциями
    — Знакомимся с внешними библиотеками
  2. — Знакомимся с библиотекой Pandas
    — Анализируем таблицы с помощью кода
    — Находим зависимости в данных
  3. — Строим визуализации на основе данных в том числе интерактивные
    — Учимся выбирать подходящие графики
    — Работаем с Google Cloud BigQuery
    — Пишем запросы к базе данных с помощью SQL
  4. — Знакомимся с теорией, необходимой для машинного обучения
    — Изучаем основные понятия машинного обучения
    — Строим первую регрессионную модель с помощью библиотеки Scikit-Learn
  5. — Изучаем теорию логистической регрессии
    — Рассмотрим примеры работы с логистической регрессией и регуляризацией
  6. — Начинаем работать с нейронными сетями
    — Изучаем задачи классификации изображений и датасеты
  7. — Изучаем нейронные сети
    — Начинаем работать над выпускным проектом

Тарифы

Другие курсы по этой теме