AI-помощник
Обновлен 19.03.2026
16 учеников
Читалов Дмитрий
Python для аналитиков
Данный курс будет очень полезен и отдельно аналитикам, и специалистам по машинному обучению, и тем, кто объединяет обе эти профессии (специалисты по Data Science).
Практические задания
Помощь от учителя
Поддержка 24/7
Программа курса
8 разделов • 51 уроков
1
Работа с библиотекой Pandas. Часть 1
1.6. Объединение датафреймов
1.7. Объединение датафреймов в pandas
1.8. Материалы урока 1
2
Работа с библиотекой Pandas. Часть 2
2.1. Что такое агрегирование данных
2.2. Что такое метод group_by
2.3. Что такое метод pivot_table
2.4. Что такое функция cross_tab
2.5. Что такое метрика конверсии
2.6. Подготовка данных для урока
2.7. Агрегирование и создание воронок конверсии
2.8. Создание сводных таблиц
3
Анализ данных и визуализация с помощью Matplotlib и Seaborn
3.1. Что такое разведочный анализ данных
3.2. Подготовка данных для урока
3.3. Создаем линейный график
3.4. Создаем гистограмму
3.5. Создаем диаграмму рассеяния
3.6. Создаем боксплот
3.7. Создаем столбчатую диаграмму
3.8. Создаем столбчатую многорядную диаграмму
3.9. Строим столбчатую многорядную сложенную диаграмму
3.10. Строим столбчатую многорядную сложенную диаграмму с долями и %
3.11. Строим круговую диаграмму
3.12. Библиотека seaborn
4
Статистика с библиотекой Scipy
4.1. Что такое библиотека Scipy
4.2. Что такое A/B - тестирование
4.3. Что такое задача оптимизации
4.4. A/B - тест с категориальной метрикой
4.5. A/B - тест с числовой метрикой
4.6. Задача оптимизации
5
Линейная алгебра с библиотекой Numpy
5.1. Что такое Numpy
5.2. Подготовка данных
5.3. Коллаборативная фильтрация
5.4. Рекомендации на основе коллаборативной фильтрации
6
Предобработка данных и предиктивные модели в Scikit-learn
6.1. Что такое модель машинного обучения
6.2. Что такое Scikit-learn
6.3. Пример создания модели машинного обучения
7
Повышение качества предиктивных моделей. Feature Engineering
7.1. Введение в Feature Engineering
7.2. Подготовка данных
7.3. Признаки 'Sex' и ‘Age’
7.4. Признаки 'Sibsp' и 'Parch'
7.5. Признаки 'Ticket' и ‘Fare’
7.6. Признак 'Cabin'
7.7. Признак 'Embarked'
8
Feature Selection. Обучение моделей
8.1. Feature Selection
8.2. Обучение модели
8.3. Улучшение модели
Преподаватели
Изучите преподавательский состав
Дмитрий Читалов
Эксперт
С 2014 г. по н. в. - инженер-программист в АО Ракетный центр им. Макеева. С 2018 - 2024 гг. - преподаватель и автор учебных программ в онлайн-школах. C 2021 - по н. в. - создатель и преподаватель собственных программ обучения Python-разработчиков.
Отзывы о курсе
0 отзыва
Войдите в аккаунт, чтобы оставить отзыв о курсе
0ч 00мин 00секдо конца акции
Доступ навсегда
24/7 Support
Pandas,
Seaborn,
Numpy,
Matplotlib,
Scipy,
Scikit-learn
0ч 00мин 00секдо конца акции