This course is part of the Программирование на Python Specialization

Пестров Никита +3 more instructors

Offered By

Moscow Institute of Physics and Technology

ФРОО

Mail.Ru Group

Программирование на Python SpecializationMoscow Institute of Physics and Technology

About this Course

37,036 recent views

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.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 4 of 4 in the

Программирование на Python Specialization

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 37 hours to complete

Russian

Subtitles: Russian

Instructors

Instructor rating

4.66/5 (13 Ratings)

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 4 of 4 in the

Программирование на Python Specialization

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 37 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.

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.

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.

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

Content Rating68%(3,270 ratings)

Week

Week 1

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

Приветствие2m

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

Тест Pandas - решение от преподавателей10m

Конспект 1-ой недели10m

4 practice exercises

Основные понятия математического анализа10m

Основные понятия линейной алгебры20m

Numpy и scipy50m

Pandas1h

Week

Week 2

4 hours to complete

Визуализация данных и статистика

4 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

Week

Week 3

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

Week

Week 4

7 hours to complete

Методы обучения без учителя

7 hours to complete

20 videos (Total 124 min), 7 readings, 6 quizzes

20 videos

О неделе 41m

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

Кластеризация30m

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?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
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.
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.

Python для анализа данных