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
Instituto de Física y Tecnología de Moscú
ФРОО
Mail.Ru Group
Acerca de este Curso
27,806 vistas recientes
Learner Career Outcomes
Learner Career Outcomes
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 4 de 4 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 50 horas para completar
Sugerido: 6 недель обучения, 7-9 часов в неделю
Ruso (Russian)
Subtítulos: Ruso (Russian)
Programa - Qué aprenderás en este curso
5 horas para completar
Математика и Python для анализа данных
5 horas para completar
12 videos (Total 65 minutos), 10 lecturas, 4 cuestionarios
12 videos
Векторы и матрицы3m
Определитель матрицы1m
Операции с матрицами. Собственные числа матриц4m
Знакомство с библиотекой Numpy14m
Знакомство с библиотекой scipy5m
Знакомство с библиотекой Pandas2m
Объект pandas.Series4m
Объект pandas.DataFrame9m
Группировка данных6m
Работа с несколькими таблицами7m
Преобразование признаков3m
10 lecturas
Telegram и форум курса10m
Mail.Ru Group5m
Фонд развития онлайн-образования5m
Математика10m
Дополнительная литература10m
Установка Anaconda10m
Документация и другие источники10m
Документация и другие источники10m
Тест Pandas - решение от преподавателей10m
Конспект 1-ой недели10m
4 ejercicios de práctica
Основные понятия математического анализа10m
Основные понятия линейной алгебры20m
Numpy и scipy50m
Pandas1h
5 horas para completar
Визуализация данных и статистика
5 horas para completar
15 videos (Total 81 minutos), 4 lecturas, 3 cuestionarios
15 videos
О неделе 255s
Визуализация с matplotlib8m
Расширенная визуализация с matplotlib8m
Визуализация с pandas8m
Интерактивная визуализация с plotly10m
Определение вероятности5m
Случайная величина4m
Показатели центра распределения4m
Нормальное распределение3m
Центральная предельная теорема1m
Зависимость между случайными величинами2m
Распределение Стьюдента1m
Статистика в scipy6m
Доверительный интервал8m
Проверка гипотез и распределение Стьюдента5m
4 lecturas
Дополнительные источники по визуализации10m
Дополнительные источники по статистике10m
Практика по статистике – решение от преподавателей10m
Конспект 2-ой недели10m
2 ejercicios de práctica
Статистический анализ10m
Практика по статистике1h
8 horas para completar
Обучение с учителем
8 horas para completar
13 videos (Total 61 minutos), 8 lecturas, 7 cuestionarios
13 videos
Введение56s
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
8 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
Конспект 3-ей недели10m
7 ejercicios de práctica
Линейные модели15m
Применение линейной регрессии1h
Измерение качества моделей20m
Регуляризация1h
Метрики качества1h
Ансамблевые модели10m
Практика по ансамблевым моделям2h
7 horas para completar
Методы обучения без учителя
7 horas para completar
20 videos (Total 124 minutos), 7 lecturas, 6 cuestionarios
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
7 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
Конспект 4-ой недели10m
6 ejercicios de práctica
Кластеризация10m
Практика по кластеризации1h
Методы понижения размерности10m
PCA1h
Рекомендательные системы10m
Создание рекомендательной системы1h
Principales revisiones sobre Python для анализа данных
Good starting Python ML packages course for people who knew something about ML and programming and statistics.\n\nThere are some technical problems which could have been eliminated but hadn't.
Хотелось бы более подробные уроки по машинному обучению. Думаю, если увеличить количество недель обучения и увеличить количество материала, было бы лучше
Instructores
Александр Жебрак
Технический директор Insilico Medicine
Шестаков Андрей Владимирович
Mail.ru Group
Acerca de Instituto de Física y Tecnología de Moscú
Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой.
Основой образования в МФТИ является уникальная «система Физтеха», сформулированная Петром Капицей: кропотливый отбор одаренных и склонных к творческой работе абитуриентов; участие в обучении ведущих научных работников; индивидуальный подход к отдельным студентам с целью развития их творческих задатков; воспитание с первых шагов в атмосфере технических исследований и конструктивного творчества с использованием потенциала лучших лабораторий страны.
Среди выпускников МФТИ — нобелевские лауреаты Андрей Гейм и Константин Новоселов, основатель компании ABBYY Давид Ян, один из авторов архитектурных принципов построения вычислительных комплексов Борис Бабаян и др.
Acerca de ФРОО
Фонд развития онлайн-образования объединяет образовательные стартапы, проекты в области EdTech и запускает собственные онлайн-программы в области машинного обучения, программирования, мобильной разработки, VR, дизайна и IT.
Мы выстраиваем экосистему для обучения на всех стадиях жизненного цикла: от идеи и поиска средств на производство образовательной программы до поддержки, продаж и маркетинга. А сотрудничество с крупнейшими образовательными платформами позволяет запускать онлайн-курсы с максимальным эффектом и пользой для всех заинтересованных сторон.
Acerca de Mail.Ru Group
Mail.Ru Group, международный бренд My.com – крупнейший холдинг в России по дневной мобильной аудитории. В рамках стратегии communitainment Mail.Ru Group развивает единую интегрированную платформу коммуникационных и развлекательных интернет-сервисов. Компании принадлежат лидирующий почтовый сервис, один из крупнейших порталов в рунете, крупнейшие русскоязычные социальные сети – ВКонтакте, Одноклассники и Мой Мир, а также два популярных в России и СНГ мессенджера – Агент Mail.Ru и ICQ.
Acerca de 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.
© 2020 Coursera Inc. Todos los derechos reservados.
