Чему вы научитесь

• Решать задачи классификации, кластеризации и регрессии
• Проводить чистку данных от пропусков и выбросов
• Корректно готовить данные для модели
• Оценивать работу моделей
• Улучшать качество предсказаний
• Работа с Numpy, Pandas, Sklearn, Matplotlib, Seaborn

О курсе

Цели курса

1. Разобраться в этапах проекта в Data Science
2. Научиться решать задачи классификации, кластеризации, регрессии
3. Усвоить тонкости работы с табличными данными через Pandas
4. Освоить обучение моделей через Sklearn
5. Познакомиться с подготовкой данных для моделей

• Очистка
• Кодирование признаков
• Генерация новых признаков
• Выбор признаков

Почему стоит выбрать именно этот курс

1. В этом курсе 8 лекций с практическими упражнениями, которые покрывают основы Data Science.
2. Решения заданий проверяются преподавателем.
3. Поддержка преподавателя на всем пути изучения.
4. Каждому нюансу уделяется особое внимание, информация разжевывается до мелочей и подается вам.

Какие особенности у курса

В этом курсе 8 лекций записанных лекций, которые взяты с занятий с группой студентов. Видео представленны трансляциями на youtube, где в формате живого общения рассказывается материал и даются ответы на вопросы студентов.

Что нужно будут делать

Нужно внимательно смотреть видео-лекции (60-120 минут), выполнять практические задания, которые будет проверять преподаватель,, выполнять тесты на усвоение материала с автоматической проверкой, не бояться ошибаться и экспериментировать с данными и моделями и наслаждаться процессом обучения.

Начальные требования

- Основы Python

- Основы статистики