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)
- Навыки программирования не обязательны, поскольку в курсе есть всё необходимое
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 поддержкуПомощь 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