0Корзина Закладки0
Maryna Tkachenko / Udemy - Ds Pro

Maryna Tkachenko / Udemy - Ds Pro

Maryna Tkachenko

Облако Mail
169,00 ₽

Пришлите ссылку — проверим предложение и ответим на почту.

Артикул: 8626
Подробности о материале
Артикул: 8626 В наличии Автор курса: Maryna Tkachenko Категория: Программирование / Data Science и аналитика / Python с нуля Дата выхода: 2021 Продажник от автора: Перейти

Чему вы научитесь



    • Изучение базового Python
    • Сбор данных средствами Python (модули re (работа с регулярными выражениями), bs4 (синтаксический анализатор HTML/XML текста Beautiful Soup))
    • Работа с таблицами средствами Python (модуль pandas)
    • Неглубокое машинное обучение средствами Python (модуль sklearn)
    • Глубокое машинное обучение средствами Python (подмодуль keras модуля tensorflow)
Требования



    • Навыки программирования не обязательны, поскольку в курсе есть всё необходимое
Описание
1. Изучение базового Python
Переменные, константы, скалярные типы данных, коллекции (составные типы данных), операторы, функции, модули, вывод данных, инкапсуляция, наследование, полиморфизм

2. Сбор данных средствами Python (модули re, bs4 )
Работа с регулярными выражениями, синтаксический анализатор HTML/XML текста Beautiful Soup

3. Работа с таблицами данных средствами Python (модуль pandas)
Выбор и сортировка данных таблиц, управление отсутствующими данными таблиц, чтение и запись таблиц, визуализация данных таблиц

4. Неглубокое машинное обучение средствами Python (модуль sklearn)
Методы:
- классификации (персептрон, многослойный персептрон, машина опорных векторов классификации, линейный дискриминантный анализ (LDA), логистическая регрессия, наивный классификатор Байеса, решающие деревья классификации, классификатор ближайших соседей, ансамбли классификаторов),
- аппроксимации (регрессия наименьших квадратов (OLS), регрессия LASSO, регрессия Ridge, регрессия ElasticNet, регрессия наименьшего угла (LAR), регрессия Байеса, обобщенная линейная регрессия (GLR), машина опорных векторов аппроксимации , решающие деревья аппроксимации, аппроксиматор ближайших соседей, ансамбли аппроксиматоров),
- кластеризации (алгоритмы центроидные (K-средних, сдвига среднего значения), моделей смеси (EM), плотностные (DBSCAN, OPTICS), спектральные, иерархические),
- обнаружения случайных выбросов (одноклассовая машина опорных векторов (one-class SVM), изолированный лес, минимальный ковариационный определитель (MCD), фактор локальных выбросов (LOF)),
- восстановления данных (ограниченная машина Больцмана),
- линейного снижения размерности данных (анализ главных компонент (PCA), разложение по сингулярным значениям (SVD), факторный анализ, анализ независимых компонент (ICA), факторизация неотрицательной матрицы (NMF), линейный дискриминантный анализ (LDA), анализ ближайших компонент (NCA)),
- нелинейного снижения размерности данных (Isomap, локальное линейное вкладывание (LLE), спектральное вкладывание, выравнивание локального касательного пространства (LTSA), многомерное шкалирование (MDS), t-SNE),
- выбора признаков (на основе наименьшей дисперсии, хи-квадрат, F-значения, взаимной информации)

5. Глубокое машинное обучение средствами Python (подмодуль keras модуля tensorflow)
Создание искусственных нейронных сетей (многослойный персептрон (MLP), каскадная нейросеть прямого распространения (CFNN), автоэнкодер, шлюзовый рекуррентный блок (GRU), долгая краткосрочная память (LSTM), сверточная нейросеть (CNN)) для задач классификации, аппроксимации, восстановления данных

Для кого этот курс:



    • Разработчики заинтересованные в изучении инструментария науки о данных (Data Science)



Как выбрать версию «Maryna Tkachenko / Udemy - Ds Pro» на CoursX

Эта карточка относится к разделу «Программирование / Data Science и аналитика / Python с нуля». Материал подготовлен автором или школой Maryna Tkachenko. Дата выхода, указанная в каталоге: 2021. Начните с программы выше: проверьте темы, название тарифа и перечисленные дополнительные файлы.

Отдельная альтернативная версия в карточке не указана. Если формат или наличие отметок принципиальны, уточните эти детали до заказа.

Способ доступа: Облако Mail. Доступные действия с файлами зависят от их формата.

Актуальная сумма заказа показана рядом с кнопкой покупки.

Есть вопрос о курсе?

Уточните детали перед покупкой

Написать в поддержку
Помощь и отзывы

💬 Помощь перед покупкой

Хотите проверить материал?
Отправим дополнительные скриншоты, пример видео или запись содержимого курса.

💰 Нашли дешевле?
Пришлите ссылку на предложение — постараемся сделать цену ещё выгоднее.

⭐ Отзывы покупателей
Читать отзывы на сайте
Читать отзывы в Telegram

💬 Связаться с поддержкой
Написать в Telegram
admin@coursx.net

ПОКУПКА И ДОСТУП

Вопросы и ответы

Ответы перед покупкой и помощь с заказом

Как купить курс на CoursX?

Добавьте материал в корзину или нажмите «Купить». Укажите действующий e-mail и выберите доступный способ оплаты. После подтверждения платежа на эту почту придёт информация о заказе и доступе.

В одном заказе можно купить несколько материалов.

Что входит в курс и есть ли обратная связь?

Состав, версия и формат доступа указаны в карточке. Обычно это запись курса и сопутствующие файлы для самостоятельного обучения. Обратная связь автора не входит, если в описании не указано иное.

Если хотите уточнить содержимое до покупки, напишите в поддержку.

Где смотреть материалы и можно ли их скачать?

В этой карточке указан формат доступа: Облако Mail.

Ссылка или инструкция придёт после оплаты. Возможность просмотра онлайн и скачивания зависит от хранилища и формата файлов. Рекомендуем сохранить доступные материалы себе.

Оплата прошла, а письмо не пришло. Что делать?

Проверьте папки «Спам» и «Промоакции», а также адрес, указанный при покупке. Для авторизованного аккаунта проверьте раздел «Мои заказы».

Если доступа нет, отправьте в поддержку номер заказа, e-mail и подтверждение платежа — поможем найти покупку.

Как использовать бонусы?

Бонусы доступны в аккаунте. Размер начисления за этот курс указан рядом с покупкой. При оформлении заказа можно применить доступный бонусный баланс: 1 бонус соответствует 1 рублю.

Итоговую сумму и списание проверьте в корзине перед оплатой.

Как получить цену ниже?

Нажмите «Нашли дешевле?» рядом с ценой курса, пришлите ссылку, цену и e-mail. Мы сравним предложения и сообщим решение на почту. Если заявку одобрят, в письме будет персональная цена и срок её действия.

При покупке по персональной цене используйте почту из заявки.

Что делать, если ссылка на материал перестала работать?

Откройте покупку в разделе «Мои заказы». Если для неё доступен запрос обновления, отправьте его. Либо свяжитесь с поддержкой, указав номер заказа и название курса.

Где посмотреть условия возврата?

Условия описаны на странице «Условия возврата». Если возникла проблема с оплаченной покупкой, напишите в поддержку с номером заказа и описанием ситуации.

Главная » Программирование » Maryna Tkachenko / Udemy - Ds Pro