Наука о данных
( 24 Модули )

модуль #1
Введение в науку о данных
Обзор науки о данных, ее важности и приложений

модуль #2
Процесс науки о данных
Понимание процесса науки о данных: определение проблемы, сбор, очистка, анализ и визуализация данных

модуль #3
Python для науки о данных
Введение в язык программирования Python и его библиотеки для науки о данных (NumPy, Pandas и т. д.)

модуль #4
Предварительная обработка данных
Обработка пропущенных значений, нормализация данных, масштабирование признаков и преобразование данных

модуль #5
Визуализация данных
Введение в визуализацию данных с использованием Matplotlib и Seaborn

модуль #6
Описательная статистика
Меры центральной тенденции, изменчивости и распределения данных

модуль #7
Выводная статистика
Проверка гипотез, доверительные интервалы и p-значения

модуль #8
Регрессионный анализ
Простая и множественная линейная регрессия, предположения регрессии и оценка модели

модуль #9
Инжиниринг признаков
Особенности Методы выбора, извлечения и создания

модуль #10
Обучение с учителем
Введение в обучение с учителем, классификацию и регрессию

модуль #11
Обучение без учителя
Введение в обучение без учителя, кластеризацию и снижение размерности

модуль #12
Оценка модели
Метрики для оценки производительности модели, переобучения и недообучения

модуль #13
Деревья решений и случайные леса
Введение в деревья решений и случайные леса, преимущества и ограничения

модуль #14
Машины опорных векторов
Введение в машины опорных векторов, трюк с ядром и типы SVM

модуль #15
Нейронные сети
Введение в нейронные сети, персептрон и многослойный персептрон

модуль #16
Глубокое обучение
Введение в глубокое обучение, сверточные нейронные сети и рекуррентные нейронные сети

модуль #17
Обработка естественного языка
Введение в обработку естественного языка, предварительную обработку текста и представление

модуль #18
Большие данные и базы данных NoSQL
Введение в большие данные, экосистему Hadoop и базы данных NoSQL

модуль #19
Рассказывание историй данных
Эффективная передача идей и результатов с помощью визуализации данных и повествования

модуль #20
Инструменты и технологии науки о данных
Введение в инструменты и технологии науки о данных, Jupyter Notebooks и Git

модуль #21
Пример 1: Регрессионный анализ
Применение регрессионного анализа к реальной проблеме

модуль #22
Пример 2: Классификация
Применение методов классификации к реальной проблеме

модуль #23
Пример 3: Кластеризация
Применение методов кластеризации к реальной проблеме

модуль #24
Подведение итогов и заключение курса
Планирование следующих шагов в карьере в области науки о данных

Готовы учиться, делиться и соревноваться?