Data science — одна из самых горячих областей на сегодняшний день, а Python — один из самых популярных инструментов для анализа данных. В этом курсе вы узнаете, как применять свои навыки программирования для построения предиктивных моделей, визуализации данных и работы с нейросетями.
Курс ориентирован на практику и позволит вам сразу приступить к работе с данными и построению моделей.
Este curso forma parte de Programa Especializado - Программирование на Python
Python для анализа данных
ofrecido por
Moscow Institute of Physics and Technology
ФРОО
Programa - Qué aprenderás en este curso
Semana
1Математика и Python для анализа данных
15 videos (Total 91 minutos), 5 readings, 4 quizzes
15 videos
Функция и её свойства6m
Экстремумы функции3m
Векторы и матрицы3m
Определитель матрицы1m
Операции с матрицами. Собственные числа матриц4m
Знакомство с библиотекой Numpy14m
Броадкастинг в Numpy9m
Знакомство с библиотекой scipy5m
Знакомство с библиотекой Pandas2m
Объект pandas.Series4m
Объект pandas.DataFrame13m
Группировка данных6m
Работа с несколькими таблицами7m
Преобразование признаков5m
5 lecturas
О бета-тестировании2m
Дополнительная литература10m
Установка Anaconda10m
Документация и другие источники10m
Документация и другие источники10m
4 ejercicios de práctica
Основные понятия математического анализа20m
Основные понятия линейной алгебры20m
Numpy и scipy50m
Pandasm
Semana
2Визуализация данных и статистика
14 videos (Total 78 minutos), 3 readings, 3 quizzes
14 videos
Расширенная визуализация с matplotlib8m
Визуализация с pandas8m
Интерактивная визуализация с plotly10m
Определение вероятности4m
Случайная величина3m
Показатели центра распределения4m
Нормальное распределение3m
Центральная предельная теорема1m
Зависимость между случайными величинами2m
Распределение Стьюдента1m
Статистика в scipy6m
Доверительный интервал8m
Проверка гипотез и распределение Стьюдента5m
3 lecturas
Дополнительные источники по визуализации10m
Дополнительные источники по статистике10m
Практика по статистике – решение от преподавателей10m
2 ejercicios de práctica
Статистический анализ10m
Практика по статистикеm
Semana
3Обучение с учителем
13 videos (Total 61 minutos), 7 readings, 7 quizzes
13 videos
Виды машинного обучения7m
Линейная регрессия2m
Функционал качества и градиентный спуск3m
Логистическая регрессия2m
Применение линейных моделей9m
Данные и переобучение8m
Метрики качества4m
Применение метрик качества8m
Решающие деревья2m
Случайный лес3m
Градиентный бустинг2m
Применение ансамблевых моделей5m
7 lecturas
Дополнительные источники по линейным моделям10m
Применение линейной регрессии – решение от преподавателей10m
Дополнительные источники по измерению качества моделей10m
Регуляризация – решение от преподавателей10m
Метрики качества – решение от преподавателей10m
Дополнительные источники по ансамблевым моделям10m
Практика по ансамблевым моделям – решение от преподавателей10m
7 ejercicios de práctica
Линейные модели15m
Применение линейной регрессииm
Измерение качества моделей20m
Регуляризацияm
Метрики качестваm
Ансамблевые модели10m
Практика по ансамблевым моделямm
Semana
4Методы обучения без учителя
20 videos (Total 124 minutos), 6 readings, 6 quizzes
20 videos
Задача кластеризации, группы методов3m
Метод K-средних7m
Практика. Метод K-средних5m
Иерархическая кластеризация. Агломеративный алгоритм5m
Практика. Иерархическая кластеризация8m
DBSCAN6m
Практическое применение DBSCAN7m
Оценки качества кластеризации7m
Мотивация3m
Метод Главных Компонент (Principal Component Analysis)7m
Сингулярное разложение матрицы и связь с PCA2m
Практика. Применение PCA на данных11m
Многомерное шкалирование6m
T-SNE5m
Практика. Применение T-SNE на данных5m
Рекомендательные системы6m
Методы коллаборативной фильтрации5m
Методы с матричными разложениями4m
Практика. Матрица рейтингов и SVD11m
6 lecturas
Дополнительные источники по кластеризации10m
Практика по кластеризации – решение от преподавателей10m
Дополнительные источники по методам понижения размерности10m
PCA – решение от преподавателей10m
Дополнительные источники по рекомендательным системам10m
Создание рекомендательной системы – решение от преподавателей10m
6 ejercicios de práctica
Кластеризация10m
Практика по кластеризацииm
Методы понижения размерности10m
PCAm
Рекомендательные системы10m
Создание рекомендательной системыm
Acerca de Moscow Institute of Physics and Technology
Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры.
Acerca de ФРОО
Фонд развития онлайн-образования – это акселератор онлайн курсов и образовательных программ. Мы запустили первый российский курс на платформе Coursera, первую русскоязычную специализацию на Coursera, первую в России онлайн-магистратуру с дипломом государственного образца от ведущего вуза. Более 10 лет наша команда работает над созданием образовательных продуктов, создавая тренды и задавая тенденции в области онлайн-образования. Запуская курсы и программы, мы учитываем ситуацию на рынке труда и потребности работодателей, чтобы наши студенты были востребованы бизнесом. А наш опыт позволяет нам гарантировать высокое качество онлайн-обучения.
Acerca del programa especializado Программирование на Python
Программа состоит из четырех курсов, каждый из которых раскрывает определенную тему в Python. Сначала вы научитесь основным конструкциям языка и другим особенностям программирования на Python, далее углубитесь в объектно-ориентированное программирование. Научитесь создавать веб-сервисы и проводить анализ данных. Программа подойдет для студентов и профессионалов с начальными навыками программирования.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
Coursera brinda acceso universal a la mejor educación del mundo, al asociarse con las mejores universidades y organizaciones, para ofrecer cursos en línea.
© 2018 Coursera Inc. Todos los derechos reservados.
