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