Пакет курсов "Data Scientist": Python + SQL + Машинное обучение [Stepik] [Влад Бурмистров]

Этот пакет из 3 курсов содержит более 70 часов качественных видео-лекций! С домашними заданиями, решениями для домашних заданий. С возможностью скачивать материалы курса. А также поддержкой преподавателя, если у Вас возникнут какие-либо вопросы! В курсе по Python Вы освоите следующие темы: Изучите базовый синтаксис и структуры данных Python 3! Научитесь создавать блокноты Jupyter Notebook и файлы .py Изучите продвинутые возможности Python, такие как модуль "collections" и работа с timestamp! Научитесь использовать Объектно-Ориентированное Программирование! Изучите сложные темы, например декораторы и генераторы. Получите уверенное понимание основ языка Python! В курсе по SQL Вы освоите следующие темы: Научитесь разрабатывать запросы SELECT к базам данных. Поймёте все особенности соединений таблиц - INNER JOIN, LEFT OUTER JOIN и т.д. Сможете избегать частых ошибок, которые делают новички Будете уверенно использовать SQL для анализа данных Освоите продвинутые темы, включая оконные функции. В курсе по Машинному Обучению Вы освоите следующие темы: Построение моделей машинного обучения с учителем (Supervised Learning) Применение NumPy для работы с числами в Python Использование Seaborn для создания красивых графиков визуализации данных Применение Pandas для манипуляции с данными в Python Элементы Matplotlib для детальной настройки визуализаций данных в Python Конструирование признаков (Feature Engineering) на реалистичных примерах Алгоритмы регрессии для предсказания непрерывных переменных Навыки подготовки данных к машинному обучению Алгоритмы классификации для предсказания категориальных переменных Создание портфолио проектов машинного обучения и Data Science Работа с Scikit-Learn для применения различных алгоритмов машинного обучения Быстрая настройка Anaconda для работ по машинному обучению Понимание полного цикла этапов работ по машинному обучению Этот пакет курсов заменит Вам целый набор других курсов, которые могут стоить существенно дороже! Обзор Курса Скачиваем материалы курса Обзор Содержания Курса Python 2 и Python 3. Пайтон или Питон? Часто Задаваемые Вопросы Полезные советы об интерфейсе Stepik (опционально) Установка Python Замечание по эмулятору Python в Степик Основы Работы в Командной Строке Установка Python Запуск Кода Python Объекты и Структуры Данных в Python Введение в Типы Данных Python Числа (Numbers) Числа (Numbers) - Часто Задаваемые Вопросы Проверочные Вопросы по Числам (Numbers) Присвоение Переменных Введение в Строки (Strings) Индексирование и Срезы Строк Свойства и Методы Строк Строки - Часто Задаваемые Вопросы Проверочные Вопросы по Строкам Форматирование Вывода для Строк Форматирование Вывода - Часто Задаваемые Вопросы Списки (Lists) в Python Списки - Часто Задаваемые Вопросы Проверочные Вопросы по Спискам Словари (Dictionaries) в Python Словари - Часто Задаваемые Вопросы Проверочные Вопросы по Словарям Кортежи (Tuples) в Python Проверочные Вопросы по Кортежам Множества (Sets) в Python Значения Boolean в Python Проверочные Вопросы - Множества и значения Booleans Ввод-вывод (I/O) для файлов в Python Ресурсы для Дополнительной Практики Обзор Теста по Объектам и Структурам Данных Python Решения для Теста по Объектам и Структурам Данных Python Операторы Сравнения в Python Операторы Сравнения в Python Сцепление Операторов Сравнения с помощью Логических Операторов Проверочные Вопросы по Операторам Сравнения Операторы Python Операторы If, Elif и Else в Python Циклы For в Python Циклы While в Python Полезные Операторы в Python Генераторы Списков (List Comprehensions) в Python Обзор Теста по Операторам Python Решения Теста по Операторам Python (Опционально) Задание - Игра на угадывание чисел Методы и Функции Методы и Документация Python Функции в Python *args и **kwargs в Python Упражнения по Функциям Обзор Упражнений по Функциям Решения Упражнений - Уровень Разминка Решения Упражнений - Уровень 1 Решения Упражнений - Уровень 2 Решения Упражнений - Сложные Задачи Lambda-выражения, функции Map и Filter Вложенные Операторы и Области Видимости (Scope) Функции и Методы - Домашнее Задание Полезные Советы для Задания по Функциям и Методам Решения для Домашнего Задания по Функциям и Методам Проект - 1 Обзор Первого Проекта Python Помощь по Проекту Обзор Решения для Проекта 1 - Часть 1 Обзор Решения для Проекта 1 - Часть 2 Объектно-Ориентированное Программирование (ООП) ООП: Введение ООП: Атрибуты и Ключевое слово Class ООП: Классы, Объекты, Атрибуты и Методы ООП: Наследование и Полиморфизм ООП: Специальные Методы (Magic/Dunder) ООП: Домашнее Задание ООП: Решение для Домашнего Задания ООП: Задача ООП: Решение для Задачи Модули и Пакеты Pip Install и PyPi Модули и Пакеты __name__ и "__main__" Ошибки и Обработка Исключений (Exceptions) Ошибки и Обработка Исключений (Exceptions) Домашнее Задание - Ошибки и Обработка Исключений Решения для Домашнего Задания - Ошибки и Обработка Исключений Обзор Pylint Запуск тестов с помощью библиотеки Unittest Проект - 2 Обзор Проекта 2 Решение - классы Card и Deck Решение - классы Hand и Chip Решение - функции для Game Play Решение - Финальный скрипт Gameplay Декораторы в Python (Decorators) Обзор Декораторов в Python Декораторы - Домашнее Задание Генераторы Python (Generators) Генераторы в Python Обзор Домашнего Задания по Генераторам Решения для Домашнего Задания по Генераторам Финальный Проект Финальный Проект Резюме курса Короткий тест Финальные шаги Введение. Обзор языка SQL. Обзор языка SQL Раздаточный Материал №1 (PDF-файл): Примеры Синтаксиса Скачиваем слайды презентаций (опционально) Полезные советы об интерфейсе Stepik (опционально) Установка и настройка таблиц для упражнений Обзор раздела Шаги по установке Установка для Windows Установка для Mac Решение проблем с установкой Обзор pgAdmin Создание таблиц. Связи между таблицами. Создание таблиц. Типы данных. Первичный ключ и внешний ключ. Типы связей между таблицами. Основные запросы SELECT Выбор колонок. Выражения. Выбор строк. Операторы AND, OR. Проверочные Вопросы - Выбор колонок и строк Упражнение 1 - фильтрация колонок и строк Решения для Упражнения 1 Операторы IN, NOT IN, BETWEEN Вложенные запросы (подзапросы) Проверочные Вопросы - Вложенные запросы (подзапросы) Упражнение 2 - вложенные запросы Решения для Упражнения 2 Как пишутся комментарии в SQL Работа со значениями NULL Что такое значение NULL. Особенности работы со значениями NULL. NULL и Сравнение "не равно" Проверочные Вопросы - Значения NULL Упражнение 3 - работа со значениями NULL Решения для Упражнения 3 IN и NOT IN при наличии значений NULL Агрегация - GROUP BY, HAVING, DISTINCT Группировка данных GROUP BY Мини-задачи по GROUP BY - задания Решения мини-задач по GROUP BY Фильтрация HAVING Агрегация SUM и COUNT Другие функции агрегации Мини-задачи по функциям агрегации Решения мини-задач по функциям агрегации Различные значения DISTINCT Сортировка данных ORDER BY Проверочные Вопросы - Агрегация данных Упражнение 4 - агрегация данных Решения для Упражнения 4 Соединение таблиц - INNER, OUTER, CROSS, SELF JOIN INNER JOIN - Внутреннее Соединение Таблиц Проверочные Вопросы - INNER JOIN Упражнение 5 - INNER JOIN Решения для Упражнения 5 Соединение Нескольких Таблиц Дубликаты Строк, Нехватка Строк LEFT OUTER JOIN - Левое Внешнее Соединение Различные варианты синтаксиса RIGHT OUTER JOIN- Правое Внешнее Соединение Упражнение 6 - OUTER JOIN Решения для Упражнения 6 FULL OUTER JOIN - Полное внешнее соединение SELF JOIN - Соединение таблицы самой с собой Упражнение 7 - SELF JOIN Решения для Упражнения 7 CROSS JOIN - Декартово Произведение Таблиц Операторы множеств - UNION, EXCEPT (MINUS) и INTERSECT UNION - Объединение множеств строк EXCEPT (MINUS) - Вычитание множеств строк INTERSECT - Пересечение множеств строк Проверочные Вопросы - Операторы множеств Упражнение 8 - Операторы множеств (union, except, intersect) Решения для Упражнения 8 Функции и операторы Обзор функций и операторов Для числовых типов данных LIKE для поиска шаблонов Для символьных типов данных Для типов данных даты и времени Упражнение 9 - Функции и Операторы Решения для Упражнения 9 Изменение данных - INSERT, UPDATE, DELETE INSERT - Вставка данных UPDATE - Обновление данных DELETE - Удаление данных Упражнение 10 - Изменение данных Решения для Упражнения 10 Поиск расхождений между таблицами Устранение расхождений между таблицами Восстановление данных после Упражнения 10 Дополнительные темы: CASE, CTE, рекурсия CASE: два варианта синтаксиса CASE: полезные примеры Упражнение 11: CASE Решения для Упражнения 11 Как можно переписать IN / NOT IN на OUTER JOIN + CASE CTE - Common Table Expression (WITH ...) Рекурсивные Запросы Оконные функции Оконные функции - первое знакомство Добавляем PARTITION BY Упражнение 12: вычисляем проценты Решения для упражнения 12 Кумулятивные суммы Особенности ORDER BY для оконных функций - часть 1 Особенности ORDER BY для оконных функций - часть 2 Упражнение 13: ABC-анализ Решения для упражнения 13 Скользящие средние, предыдущие строки и последующие строки Упражнение 14: солнечные дни Решения для упражнения 14 Нумерация и ранжирование Упражнение 15: нумерация и ранжирование Решения для упражнения 15 Резюме по оконным функциям Резюме курса Резюме курса Финальные шаги Вводная часть курса Добро пожаловать на курс! Материалы курса - ZIP-файлы для скачивания Установка Anaconda, Python, Jupyter Notebook Прочтите эту статью - Замечание о настройке среды разработки Настройка среды разработки Часто задаваемые вопросы Полезные советы об интерфейсе Stepik (опционально) Опционально: Экспресс-курс по Python Пару слов об экспресс-курсе Экспресс-курс по Python - Часть 1 Экспресс-курс по Python - Часть 2 Экспресс-курс по Python - Часть 3 Проверочные упражнения по Python Решения для проверочных упражнений по Python Этапы работ по машинному обучению Этапы работ по машинному обучению NumPy Обзор раздела про NumPy Массивы NumPy Индексация и выбор данных из массивов NumPy Операции в NumPy Проверочные упражнения по NumPy Решения для проверочных упражнений по NumPy Pandas Обзор раздела про Pandas Series - Часть 1 Series - Часть 2 Датафреймы - Часть 1 - Создание датафреймов Датафреймы - Часть 2 - Основные атрибуты Датафреймы - Часть 3 - Работа с колонками Датафреймы - Часть 4 - Работа со строками Выборка данных по условию (Conditional Filtering) Полезные методы - Apply для одной колонки Полезные методы - Apply для нескольких колонок Полезные методы - Статистическая информация и сортировка данных Отсутствующие данные (missing data) - Обзор Отсутствующие данные (missing data) - Операции в Pandas Агрегация данных GROUP BY - Часть 1 Агрегация данных GROUP BY - Часть 2 - Мульти-индекс Объединение датафреймов - Конкатенация Объединение датафреймов - Inner Merge Объединение датафреймов - Left и Right Merge Объединение датафреймов - Outer Merge Методы Pandas для текста Методы Pandas для даты и времени Input/Output в Pandas - CSV-файлы Input/Output в Pandas - HTML-таблицы Input/Output в Pandas - Excel-файлы Input/Output в Pandas - SQL базы данных Сводные таблицы в Pandas (pivot tables) Проверочные упражнения по Pandas Решения для проверочных упражнений по Pandas Matplotlib Обзор раздела про Matplotlib Основы Matplotlib Объект Figure - принципы работы Объект Figure - код в Python Объект Figure - код в Python Subplots - несколько графиков рядом друг с другом Стилизация Matplotlib: легенды Стилизация Matplotlib: цвета и стили Дополнительные материалы по Matplotlib Проверочные упражнения по Matplotlib Решения для проверочных упражнений по Matplotlib Seaborn Обзор раздела про Seaborn Scatterplots - Графики рассеяния (диаграммы рассеяния) Distribution Plots - Часть 1 - Типы графиков Distribution Plots - Часть 2 - Код в Python Categorical Plots - Статистики по категориям - Типы графиков Categorical Plots - Статистики по категориям - Код в Python Categorical Plots - Распределения по категориям - Типы графиков Categorical Plots - Распределения по категориям - Код в Python Графики сравнения - Типы графиков Графики сравнения - Код в Python Seaborn Grid Матричные графики Проверочные упражнения по Seaborn Решения для проверочных упражнений по Seaborn Большой Проект по Визуализации Данных Обзор Проекта по Визуализации Данных Разбор решений проекта - Часть 1 Разбор решений проекта - Часть 2 Разбор решений проекта - Часть 3 Обзор Машинного Обучения Обзор раздела Зачем нужно машинное обучение Типы алгоритмов машинного обучения Процесс для обучения с учителем (supervised learning) (ОПЦИОНАЛЬНО) Дополнительная книга для чтения - ISLR Линейная Регрессия Обзор раздела про линейную регрессию Линейная регрессия - История алгоритма Наименьшие квадраты Функция стоимости (Cost Function) Градиентный спуск (Gradient Descent) Простая линейная регрессия Обзор Scikit-Learn Scikit-Learn - Train Test Split Scikit-Learn - оценка работы модели Графики остатков - Residual Plots Внедрение модели и интерпретация коэффициентов Полиномиальная регрессия - теория Полиномиальная регрессия - создание признаков Полиномиальная регрессия - обучение и оценка модели Дилемма смещения-дисперсии (Bias-Variance Trade-Off) Полиномиальная регрессия - выбираем степень полинома Полиномиальная регрессия - внедрение модели Регуляризация - обзор Масштабирование признаков (feature scaling) Кросс-валидация - обзор Регуляризация - подготовка данных L2 Регуляризация - Ридж-регрессия - теория L2 Регуляризация - Ридж-регрессия - код в Python L1 Регуляризация - Лассо-регрессия - теория и код в Python L1 и L2 Регуляризация - Эластичная сеть Elastic Net Обзор данных для проверочного проекта по линейной регрессии Конструирование признаков (Feature Engineering) и подготовка дан Обзор Feature Engineering Работа с выбросами (outliers) Работа с отсутствующими данными (missing data) - Часть 1 Работа с отсутствующими данными (missing data) - Часть 2 Работа с отсутствующими данными (missing data) - Часть 3 Работа с категориальными переменными Кросс-валидация и Проверочный проект по линейной регрессии Обзор раздела про кросс-валидацию Разбиение Train | Test Split Разбиение Train | Validation | Test Split Кросс-валидация - cross_val_score Кросс-валидация - cross_validate Поиск по сетке - Grid Search Случайный поиск - Random Search Обзор проверочного проекта по линейной регрессии Решения для проверочного проекта по линейной регрессии Логистическая регрессия Обзор раздела про логистическую регрессию Теория логистической регрессии - Часть 1 - Логистическая функция Теория логистической регрессии - Часть 2 - От линейной к логист. Теория логистической регрессии - Часть 3 - Математика перехода Теория логистической регрессии - Часть 4 - Поиск графика Логистическая регрессия в Scikit-Learn - Часть 1 - EDA Логистическая регрессия в Scikit-Learn - Часть 2 - Модель Метрики классификации - Confusion Matrix и Accuracy Метрики классификации - Precision, Recall и F1-Score Метрики классификации - ROC-кривые Логистическая регрессия в Scikit-Learn - Часть 3 - Оценка модели Мульти-классовая классификация - Логистическая регрессия - EDA Мульти-классовая классификация - Логистическая регрессия -Модель Проверочный проект по логистической регрессии Решения для проверочного проекта по логистической регрессии Метод К-ближайших соседей (KNN - K-Nearest Neighbors) Обзор раздела про метод К-ближайших соседей Теория метода К-ближайших соседей KNN: пишем код в Python - Часть 1 KNN: пишем код в Python - Часть 2 Проверочные упражнения по KNN Решения для проверочных упражнений по KNN Метод опорных векторов (SVM - Support Vector Machines) Обзор раздела про метод опорных векторов История метода опорных векторов Теория метода опорных векторов - Гиперплоскости и зазоры Теория метода опорных векторов - ядра (kernels) Теория метода опорных векторов - "kernel trick" и математика SVM в Scikit-Learn для задач классификации - Часть 1 SVM в Scikit-Learn для задач классификации - Часть 2 SVM в Scikit-Learn для задач регрессии Проверочные упражнения по методу опорных векторов Решения для проверочных упражнений по методу опорных векторов Деревья решений - Decision Trees Обзор раздела про деревья решений Деревья решений - История Деревья решений - Терминология Деревья решений - метрика "Gini Impurity" Построение деревьев решений с помощью Gini Impurity - Часть 1 Построение деревьев решений с помощью Gini Impurity - Часть 2 Код в Python для деревьев решений - Часть 1 - Данные Код в Python для деревьев решений - Часть 2 - Модель Случайные леса - Random Forests Обзор раздела про случайные леса История и мотивация создания случайных лесов Гиперпараметры случайного леса - Обзор Гиперпараметры случайного леса - Количество деревьев и Признаков Гиперпараметры случайного леса - Bootstrapping и oob_score Классификация данных с помощью RandomForestClassifier - Часть 1 Классификация данных с помощью RandomForestClassifier - Часть 2 Регрессия с помощью RandomForestRegressor - Часть 1 - Данные Регрессия с помощью RandomForestRegressor - Часть 2 - Модели 1 Регрессия с помощью RandomForestRegressor - Часть 3 - Модели 2 Регрессия с помощью RandomForestRegressor - Часть 4 - Модели 3 Бустинг и Расширяемые деревья - Boosted Trees Обзор раздела про бустинг История возникновения бустинга AdaBoost - Теория - Как работает адаптивный бустинг AdaBoost - Код в Python - Данные AdaBoost - Код в Python - Модель Градиентный бустинг - Теория Градиентный бустинг - Пишем код в Python Проверочный проект по моделям обучения с учителем (Supervised Le Обзор проверочного проекта Разбор решений - Часть 1 - Исследование данных (EDA) Разбор решений - Часть 2 - Анализ оттока (Churn Analysis) Разбор решений - Часть 3 - Модели на основе деревьев решений Natural Language Processing и Наивный Байесовский Классификатор Обзор раздела про NLP и Наивный Байесовский алгоритм Наивный Байесовский алгоритм - Часть 1 - Теорема Байеса Наивный Байесовский алгоритм - Часть 2 - сам алгоритм Извлечение признаков из текста - Теория Извлечение признаков из текста, "Мешок слов" - пишем код вручную Извлечение признаков из текста с помощью Scikit-Learn Классификация текста - Часть 1 Классификация текста - Часть 2 Проверочные упражнения по классификации текста Решения для проверочных упражнений по классификации текста Машинное обучение без учителя - Unsupervised Learning Обзор обучения без учителя - Unsupervised Learning Кластеризация К-Средних - K-Means Clustering Обзор раздела про кластеризацию К-средних Принципы кластеризации данных (без привязки к алгоритму) Теория кластеризации К-средних Кластеризация К-средних - Пишем код - Часть 1 Кластеризация К-средних - Пишем код - Часть 2 Выбираем количество кластеров К - Теория Выбираем количество кластеров К - Пишем код в Python Квантование цветов - Теория Квантование цветов - Пишем код в Python Проверочные упражнения по кластеризации К-средних Решения для проверочных упражнений - Часть 1 Решения для проверочных упражнений - Часть 2 Решения для проверочных упражнений - Часть 3 Иерархическая кластеризация данных Обзор раздела про иерархическую кластеризацию Теория и интуиция иерархической кластеризации Иерархическая кластеризация - Пишем код, часть 1 - Данные Иерархическая кластеризация - Пишем код, часть 2 - Scikit-Learn DBSCAN - Кластеризация на основе плотности данных Обзор раздела про кластеризацию DBSCAN Теория алгоритма DBSCAN Сравниваем DBSCAN и K-Means Clustering Ключевые гиперпараметры DBSCAN - Теория Ключевые гиперпараметры DBSCAN - код в Python Проверочные упражнения по DBSCAN Решения для проверочных упражнений по DBSCAN Метод главных компонент (P