Курс Анализ данных на Python [2019] [Nordic IT School] [Зохраб Ахундов, Сергей Дормидонтов, Константин Зорин, Андрей Беренда, Вячеслав Жуков]

Toxich · 26 ноя 2019

Складчина: Курс Анализ данных на Python [2019] [Nordic IT School] [Зохраб Ахундов, Сергей Дормидонтов, Константин Зорин, Андрей Беренда, Вячеслав Жуков]
Что такое анализ данных и с чем его едят?) Мы ежедневно сталкиваемся с разными проблемами и задачами, с разными экспериментами, которые подкидывает нам жизнь. Мы пытаемся добраться до работы оптимальным маршрутом, мы пытаемся распределить свое время между карьерой и личной жизнью таким образом, чтобы ничего из этого не пострадало. Мы ежедневно пытаемся оптимизировать свою целевую функцию - качество жизни. Задача анализа данных состоит в том, чтобы уметь извлекать эту информацию, которую предоставляет нам жизнь и обрабатывать ее так, чтобы максимально эффективно оптимизировать заданную функцию цели.

1. Python
2. Jupyter Notebook
3. SQL & SQLite
4. Pandas
5. Matplotlib
6. Plotly & Dash
7. Scikit-learn
8. NLTK & Pymorphy2
9. Keras
10. BigQuery

1. Блок

1.1 Python - базовые конструкции языка:

Функции и переменные

Условия и циклы

Списки, словари, кортежи, множества

Объекты, классы, наследование

1.2 Статистика - основные понятия:

Типы данных (шкал)

Вероятность, случайная величина, распределение

Гипотезы, статистическое решение

1.3 Python - прикладные возможности:

Регулярные выражения

Работа с файлами

Работа с интернетом

Примеры использования API

Облегчение жизни: логи, tqdm, мультипроцессинг

1.4 SQL:

Синтаксис запросов

Создание базы данных

Работа с базой из Python

BigQuery

1.5 Статистика - простые методы и их типичные применения:

Описательные статистики

Корреляция

Сравнение групп

Линейная регрессия

Бутстреп

2. Блок

2.1 Основы машинного обучения:

Pandas - супер-таблицы

Sklearn - машинное обучение

NLTK и Pymorphy2 - работа с естественным языком

Matplotlib, plotly, dash - визуализация и дашборды

Keras - конструктор нейросетей

2.2 Машинное обучение - самые нужные алгоритмы:

Кластеризация (методы, метрики)

Классификация (методы, метрики)

Регрессия (методы, метрики)

Кратко о нейронный сетях (устройство, виды, преимущества)

Основы анализа текстов

2.3 Машинное обучение - практические применения:

Предсказание оттока клиентов

Рекомендательные системы

Чат-боты

2.4 Машинное обучение - приемы и хитрости:

Выбор и генерация признаков

Что может пойти не так

Стэкинг, бэггинг, бустинг

Продажник