Python для анализа данных
Python с нуля для тех, кто хочет сделать свою работу data-driven
Старт
В любое время
Нагрузка
72 ак. ч
Длительность
2,5 месяца
Доступ
Навсегда
Формат
Видеоуроки, воркшопы, тренажёры, домашняя работа с ревью
Курс
Кому подойдет
1
Начинающим аналитикам
Вы освоите один из самых популярных и востребованных языков для работы с данными. Сможете развиваться как аналитик данных и откликаться на вакансии уровня junior в IT-компаниях.
2
Действующим аналитикам
Вы повысите свою квалификацию и откроете новые карьерные возможности. Сможете работать с анализом больших данных, где не обойтись без навыков работы с Python.
3
Научным сотрудникам
Python станет вашим рабочим инструментом для точного анализа научных данных. Еще вы сможете создавать модели машинного обучения и искусственного интеллекта и повысите наукоемкость своих изысканий.
4
Специалистам из смежных областей, где используются большие данные
Если вы работаете маркетологом, продакт-менеджером, специалистом по анализу кредитных рисков и др., то при помощи Python вы сможете решать аналитические задачи самостоятельно и повысите свою ценность для компании.
О курсе
Python — это один из самых популярных языков программирования. Он имеет простой и понятный синтаксис, что делает его востребованным у новичков, которые только начинают свой путь в аналитике данных.
На этом курсе вы освоите Python с нуля, а от вас потребуется уверенное пользование компьютером. По результатам обучения научитесь выгружать и обрабатывать большие массивы данных, анализировать и визуализировать результат, а также создавать простые прототипы на основе машинного обучения.
На этом курсе вы освоите Python с нуля, а от вас потребуется уверенное пользование компьютером. По результатам обучения научитесь выгружать и обрабатывать большие массивы данных, анализировать и визуализировать результат, а также создавать простые прототипы на основе машинного обучения.
Чему вы научитесь
- 1Основам программированияВы изучите стандартные конструкции языка, функции, операторы и переменные.
- 2Работать с большими даннымиОсвоите работу с многомерными массивами, научитесь использовать библиотеки Numpy и Pandas, сможете работать с параллельными вычислениями на больших массивах в Dask и Polars.
- 3Визуализировать данныеНаучитесь визуализировать данные с помощью библиотек Matplotlib и Seaborn, строить интерактивные визуализации в библиотеке Plotly.
- 4Парсить данныеСможете собирать данные со сторонних сайтов с использованием библиотек Requests, BeautifulSoup, Selenium, Scrapy подключаться к сторонним API, выгружать данные с помощью Python-клиентов.
- 5Основам машинного обученияНаучитесь обучать линейные модели для задач классификации и регрессии в библиотеке Scikit-Learn.
- 6Прототипировать ML-решенияНаучитесь создавать простые UI-приложения с фреймворком Streamlit, документировать API для аналитических сервисов и моделей.
Как проходит обучение
Видео и материалы
Вы сможете изучать материалы курса в удобное для вас время с помощью коротких видеолекций и дополнительных материалов
Поддержка и забота
Телеграм-чат с преподавателем курса
Q&A сессии
Если телеграм-чата недостаточно
Тренажёры
В каждом уроке у вас будут интерактивные задачи, которые помогут потренироваться в работе с кодом
Домашняя работа с ревью
У вас будут домашние задания после каждого модуля, а проверит работы эксперт курса
Программа
Основы Python
Создание переменных; использование различных типов данных, управляющих конструкций, ветвлений, циклов; создание функций, классов; обработка ошибок; работа с многопоточностью.
GIT, Jupyter Notebook
Создание репозитория, веток, коммитов, пушей, PR в GIT, написание кода в Jupyter Notebook.
Создание переменных; использование различных типов данных, управляющих конструкций, ветвлений, циклов; создание функций, классов; обработка ошибок; работа с многопоточностью.
GIT, Jupyter Notebook
Создание репозитория, веток, коммитов, пушей, PR в GIT, написание кода в Jupyter Notebook.
Numpy, Pandas
Работа с многомерными массивами, основные вычислительные операции в Numpy; загрузка и обработка данных в библиотеке Pandas.
Визуализация
Построение визуализаций различных типов: Line Plot, Bar Plot, Scatter Plot, Pie Plot, Histogram Plot, Box Plot.
Ускорение обработки больших наборов данных: Dask / Polars
Параллельные вычисления на больших датасетах в Dask; ускорение обработки данных в Polars.
Создание моделей машинного обучения в Scikit-Learn
Понимание типов задач в машинном обучении с учителем; понимание интерфейсов моделей Scikit-Learn; трансформации данных и обучение моделей в Scikit-Learn; использование пайплайнов в Scikit-Learn.
Работа с многомерными массивами, основные вычислительные операции в Numpy; загрузка и обработка данных в библиотеке Pandas.
Визуализация
Построение визуализаций различных типов: Line Plot, Bar Plot, Scatter Plot, Pie Plot, Histogram Plot, Box Plot.
Ускорение обработки больших наборов данных: Dask / Polars
Параллельные вычисления на больших датасетах в Dask; ускорение обработки данных в Polars.
Создание моделей машинного обучения в Scikit-Learn
Понимание типов задач в машинном обучении с учителем; понимание интерфейсов моделей Scikit-Learn; трансформации данных и обучение моделей в Scikit-Learn; использование пайплайнов в Scikit-Learn.
Инструменты парсинга
Знание основных элементов HTML-разметки, отправка HTTP-запросов через requests; парсинг результата GET-запроса через BeautifulSoup; написание парсеров в scrapy и selenium; тонкие моменты в обходе блокировок парсеров.
Работа с общедоступными API и базами данных
Подключение к API и отправка запросов через requests; подключение к ClickHouse, MongoDB, PostgreSQL; выгрузка данных из БД в Pandas.
Знание основных элементов HTML-разметки, отправка HTTP-запросов через requests; парсинг результата GET-запроса через BeautifulSoup; написание парсеров в scrapy и selenium; тонкие моменты в обходе блокировок парсеров.
Работа с общедоступными API и базами данных
Подключение к API и отправка запросов через requests; подключение к ClickHouse, MongoDB, PostgreSQL; выгрузка данных из БД в Pandas.
Создание приложений Streamlit
Создание UI с полями ввода, меню, интерактивными и медиа виджетами, формами в Streamlit.
Создание API
Создание API с помощью фреймворка Flask; тестирование API c библиотекой Pytest; создание Swagger-документации с помощью библиотеки Flasgger.
Создание UI с полями ввода, меню, интерактивными и медиа виджетами, формами в Streamlit.
Создание API
Создание API с помощью фреймворка Flask; тестирование API c библиотекой Pytest; создание Swagger-документации с помощью библиотеки Flasgger.
Кто будет преподавать
Директор по разработке моделей Департамента анализа данных и моделирования в Газпромбанке, преподаватель курсов магистратуры Университета ИТМО
Кристина Желтова
Эксперт в области общебанковской и текстовой аналитики, создания ML-систем полного цикла от сбора требований до развертывания и мониторинга. Примеры проектов: предсказание оптимальных локаций для размещения банкоматов, оценка стоимости квадратного метра недвижимости, выявление и классификация токсичных комментариев, генерация новостных текстов. Преподаватель курсов магистратуры «Глубокое обучение и обработка естественного языка», «Машинное обучение для анализа научных данных» в магистратуре Университета ИТМО.
Стоимость
Онлайн-курс | 72 ак.ч
30 000 ₽
Вы сможете оформить налоговый вычет за обучение (13%)
Документ об образовании
После завершения обучения вы получите сертификат ИТМО или удостоверение о повышении квалификации установленного образца.
Удостоверение о повышении квалификации установленного образца выдается при наличии среднего профессионального и высшего образования, а также в процессе его получения.
Информация
Документы
Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО»
197101, г. Санкт-Петербург, Кронверкский проспект, д. 49 лит. А
ИНН 7813045547
ОГРН 1027806868154