"Python: מבוא לניתוח נתונים" - קורס RUB 30,000. מ-MSU, אימון 4 שבועות. (חודש), תאריך: 30 בנובמבר, 2023.
Miscellanea / / December 03, 2023
תוכנית ההכשרה המתקדמת מכוונת לצבור מיומנויות בעבודה עם שפת התכנות Python לניתוח ביג דאטה.
משך האימון – 36 שעות (24 שעות שיעורים בכיתה עם מורה, 12 שעות לימוד עצמאי של חומרים).
צורת לימוד - פנים אל פנים עם אפשרות לחיבור מרחוק.
עלות חינוך 30,000 רובל.
תחילת השיעורים - שנת סתיו 2023.
הסכמי הדרכה נכרתים עם יחידים וישויות משפטיות.
ההרשמה לקורסים מתבצעת באמצעות דואר אלקטרוני [email protected] (ליחידים).
ניתן ליצור קשר עם מנהל הקורס, אנטון מרטיאנוב, להרשמה או בשאלות באמצעות WhatsApp או טלגרם בטלפון +79264827721.
1. ספריות שפת תכנות Python.
מטרות ותפקידים עיקריים של ספריות;
סוגי ספריות לניתוח נתונים: Pandas, Numpy, Statsmodels, Sklearn, Seabourne;
סוגי ספריות להדמיית נתונים;
2. סוגים ומבני נתונים ב- Python.
סוגי סוגי נתונים: מספר שלם, צף, bool, srting, אובייקט;
סוגי מבני נתונים: Dataframe, סדרות, מערך, tuples, רשימות וכו';
3. טעינת נתונים לתוכנית וניתוח ראשוני.
טעינת נתונים בפורמטים שונים (xlsx, csv, html וכו');
קביעת מספר השורות והעמודות;
זיהוי ערכים חסרים;
זיהוי סוגי נתונים במטריצה;
4. פונקציות Python לניתוח נתונים.
פונקציות לקבלת נתונים סטטיסטיים תיאוריים (מציאת מקסימום, דק, ממוצע, חציון, רבעונים);
פונקציות להמחשת צפיפות הפצת הנתונים (הפצה גאוסית רגילה);
פונקציות ליצירת משתנים בינאריים (dummies var);
פונקציות של אלגוריתמים של למידת מכונה לבניית מודלים (ריבועים קטנים, מכונות תמיכה וקטוריות, יער אקראי, רגרסיה לוגיסטית, סדרות זמן);
5. בניית מודלים של רגרסיה.
המטרה של בניית רגרסיות ליניאריות בשיטת הריבועים הקטנים;
הצעת השערות והגדרת בעיה (על סמך נתוני עבודה);
בניית מודל רגרסיה בפייתון;
הערכת המובהקות של המקדמים המתקבלים ושל המודל בכללותו (סטטיסטיקה t, סטטיסטיקה F);
הערכת איכות מודל (R2);
בדיקת הנחות גאוס-מרקוב;
פרשנות התוצאות שהתקבלו;
6. בניית דגמי סיווג.
אלגוריתם יער אקראי;
רגרסיה לוגיסטית;
תמיכה במכונה וקטורית;
כתובת
119991, מוסקבה, st. לנינסקי גורי, 1, דירה 51, קומה 5, חדר 544 (משרד הדיקן)
אוּנִיבֶרְסִיטָה