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.
This course is part of the Программирование на Python Specialization
Offered By
Moscow Institute of Physics and Technology
ФРОО
Mail.Ru Group
Программирование на Python SpecializationMoscow Institute of Physics and TechnologyAbout this Course
60,520 recent views
Shareable Certificate
Earn a Certificate upon completion
100% online
Start instantly and learn at your own schedule.
Course 4 of 4 in the
Flexible deadlines
Reset deadlines in accordance to your schedule.
Intermediate Level
Approx. 38 hours to complete
Russian
Subtitles: Russian
Shareable Certificate
Earn a Certificate upon completion
100% online
Start instantly and learn at your own schedule.
Course 4 of 4 in the
Flexible deadlines
Reset deadlines in accordance to your schedule.
Intermediate Level
Approx. 38 hours to complete
Russian
Subtitles: Russian
Offered by
Moscow Institute of Physics and Technology
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.
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.
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.
Syllabus - What you will learn from this course
5 hours to complete
Математика и Python для анализа данных
5 hours to complete
12 videos (Total 65 min), 10 readings, 4 quizzes
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 readings
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 practice exercises
Основные понятия математического анализа10m
Основные понятия линейной алгебры20m
Numpy и scipy50m
Pandas1h
5 hours to complete
Визуализация данных и статистика
5 hours to complete
15 videos (Total 81 min), 4 readings, 3 quizzes
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 readings
Дополнительные источники по визуализации10m
Дополнительные источники по статистике10m
Практика по статистике – решение от преподавателей10m
Конспект 2-ой недели10m
2 practice exercises
Статистический анализ10m
Практика по статистике1h
8 hours to complete
Обучение с учителем
8 hours to complete
13 videos (Total 61 min), 8 readings, 7 quizzes
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 readings
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 practice exercises
Линейные модели15m
Применение линейной регрессии1h
Измерение качества моделей20m
Регуляризация1h
Метрики качества1h
Ансамблевые модели10m
Практика по ансамблевым моделям2h
7 hours to complete
Методы обучения без учителя
7 hours to complete
20 videos (Total 124 min), 7 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
7 readings
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 practice exercises
Кластеризация10m
Практика по кластеризации1h
Методы понижения размерности10m
PCA1h
Рекомендательные системы10m
Создание рекомендательной системы1h
About the Программирование на Python Specialization
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.
Frequently Asked Questions
When will I have access to the lectures and assignments?
Once you enroll for a Certificate, you’ll have access to all videos, quizzes, and programming assignments (if applicable). Peer review assignments can only be submitted and reviewed once your session has begun. If you choose to explore the course without purchasing, you may not be able to access certain assignments.
What will I get if I subscribe to this Specialization?
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
What is the refund policy?
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.
Is financial aid available?
Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.
More questions? Visit the Learner Help Center.
