ВЕНДОРЫ
Курсы по вендорам
Скрыть

Обработка данных с использованием Python (PYTHON_DATA)

Курс «Обработка данных с использованием Python» (PYTHON_DATA) — это практическое обучение для инженеров по работе с данными, разработчиков программного обеспечения и ИТ-специалистов, которым необходимо освоить применение Python и специализированных библиотек для обработки больших объёмов структурированных и неструктурированных данных. На курсе рассматриваются работа с данными в Jupyter Lab, собственные структуры данных Python, библиотеки NumPy, Pandas и Matplotlib, понятие датафреймов, операции над ними, основы машинного обучения, терминология, обучение моделей, градиентный спуск, гиперпараметры, loss-функции, learning rate, обобщение моделей и работа с наборами данных. Отдельное внимание уделяется TensorFlow и Keras, готовым моделям, созданию собственных моделей, Feature Selection и Feature Engineering, глубокому обучению, использованию локальных и облачных ресурсов для обучения моделей, визуализации данных, облачным средам визуализации и статистической оценке данных.

Программа рассчитана на 5 дней, доступна в очном и онлайн-формате и подходит слушателям со знаниями Python на уровне курса «Программирование на языке Python. Базовый уровень» (PYTHON_BASIC), что делает курс сильным выбором для подготовки специалистов по анализу, обработке и визуализации данных, машинному обучению и практическому применению Python в data-driven проектах.

PYTHON_DATA
Очный формат:
Длительность: 5 дней
Цена: 89 250₽
цена указана без НДС 5%
Даты
Онлайн тренинг
Длительность: 5 дней
Цена: 89 250₽
цена указана без НДС 5%
Даты

Кому следует посетить

Инженеры по работе с данными, а также разработчики ПО, желающие изучить основы машинной обработки данных
Предварительные требования:
Содержание курса Данный курс рассматривает основные возможности языка Python и вспомогательных библиотек для работы с большими объемами структурированных и неструктурированных данных с использованием локальных ресурсов и облачных сред
Подробно разбираются такие темы как:
основы машинного обучения как способа работы с неструктурированными данными на основе библиотеки Tensorflow
распространённые инструменты визуализации данных

Даты и регистрация

Онлайн тренинг
Очный формат
Гарантированные курсы Гарантирован при получении Вашей заявки
07.12—11.12.2026
PYTHON_DATA
Это FLEX курс Онлайн
01.02—05.02.2027
PYTHON_DATA
Это FLEX курс Онлайн
29.03—02.04.2027
PYTHON_DATA
Это FLEX курс Онлайн
07.12—11.12.2026
PYTHON_DATA
Это FLEX курс г. Санкт-Петербург / очная форма
01.02—05.02.2027
PYTHON_DATA
Это FLEX курс г. Санкт-Петербург / очная форма
29.03—02.04.2027
PYTHON_DATA
Это FLEX курс г. Москва / очная форма
Программа курса
Модуль 1. Python для работы с данными
  • Обработка данных с помощью Python
  • Введение в Jupyter Lab
  • Собственные структуры данных Python
  • Библиотека NumPy (цель и возможности)
  • Библиотека MatPlotLib (цель и возможности)
  • Лабораторная работа 1. Работа с типами данных
Модуль 2. Оценка данных, введение в машинное обучение
  • Библиотека Pandas, понятие датафреймов и операции над ними
  • Введение в машинное обучение
    • Терминология
    • Виды и возможности
    • Обучение моделей
    • Градиентный спуск
    • Hyperparameters, Losses, Learning Rate
    • Generalization
    • Сеты данных
  • Лабораторная работа 2. Работа с датафреймами
  • Лабораторная работа 3. Изучение зависимостей в машинном обучении
Модуль 3. Tensorflow и Feature Engineering
  • Введение в Tensorflow и Keras
  • Возможности и способы использования
  • Готовые модели
  • Инструменты для создания собственных моделей
  • Feature Selection and Engineering
  • Лабораторная работа 4. Использование Tensorflow
  • Лабораторная работа 5. Feature Engineering
Модуль 4. Глубокое обучение и среды для обучения моделей
  • Глубокое обучение
  • Применение и возможности
  • Ресурсы для обучения моделей
  • Облачные ресурсы для обучения моделей
  • Лабораторная работа 6. Глубокое обучение
  • Лабораторная работа 7. Обучение моделей в подготовленной среде
Модуль 5. Визуализация данных
  • Библиотеки Python для визуализации
  • Облачные среды для визуализации данных
  • Статистическая оценка данных
  • Лабораторная работа 8. Визуализация и статистическая оценка данных