„Python: Introducere în analiza datelor” - curs 30.000 RUB. de la MSU, antrenament 4 săptămâni. (1 lună), Data: 30 noiembrie 2023.
Miscelaneu / / December 03, 2023
Programul de formare avansată are ca scop dobândirea de abilități în lucrul cu limbajul de programare Python pentru analiza big data.
Durata antrenamentului – 36 de ore (24 de ore de lecții la clasă cu un profesor, 12 ore de studiu independent al materialelor).
Forma de studiu – față în față cu posibilitate de conectare la distanță.
Costul educației 30.000 de ruble.
Începutul cursurilor - an universitar toamna 2023.
Acordurile de formare se încheie cu persoane fizice și juridice.
Înregistrarea la cursuri se face prin e-mail [email protected] (pentru persoane fizice).
Puteți contacta administratorul cursului, Anton Martyanov, pentru a vă înscrie sau pentru întrebări prin WhatsApp sau Telegram la +79264827721.
1. Biblioteci limbaj de programare Python.
Principalele scopuri și funcții ale bibliotecilor;
Tipuri de biblioteci pentru analiza datelor: Pandas, Numpy, Statsmodels, Sklearn, Seabourne;
Tipuri de biblioteci pentru vizualizarea datelor;
2. Tipuri și structuri de date în Python.
Tipuri de tipuri de date: Integer, float, bool, srting, object;
Tipuri de structuri de date: Dataframe, serie, matrice, tupluri, liste etc.;
3. Încărcarea datelor în program și analiza preliminară.
Încărcarea datelor în diferite formate (xlsx, csv, html etc.);
Determinarea numărului de rânduri și coloane;
Identificarea valorilor lipsă;
Identificarea tipurilor de date într-o matrice;
4. Funcții Python pentru analiza datelor.
Funcții pentru obținerea statisticilor descriptive (găsirea max, min, medie, mediană, quartile);
Funcții de vizualizare a densității distribuției datelor (distribuția Gaussiană Normală);
Funcții pentru crearea variabilelor binare (dummies var);
Funcții ale algoritmilor de învățare automată pentru construirea de modele (cel mai mici pătrate, mașini vector suport, pădure aleatoare, regresie logistică, serii de timp);
5. Construirea modelelor de regresie.
Scopul construirii regresiilor liniare folosind metoda celor mai mici pătrate;
Propunerea de ipoteze și stabilirea unei probleme (pe baza datelor de lucru);
Construirea unui model de regresie în Python;
Evaluarea semnificației coeficienților obținuți și a modelului în ansamblu (statistici t, statistici F);
Evaluarea calității modelului (R2);
Verificarea ipotezelor Gauss-Markov;
Interpretarea rezultatelor obtinute;
6. Construirea modelelor de clasificare.
Algoritmul Random Forest;
Regresie logistică;
Suport Vector Machine;
Abordare
119991, Moscova, st. Leninskie Gory, 1, bldg. 51, etajul 5, camera 544 (Decanatul)
Universitate