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.
Кому следует посетить
Даты и регистрация
- 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
- Библиотека Pandas, понятие датафреймов и операции над ними
- Введение в машинное обучение
-
- Терминология
- 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
- 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
- Библиотеки Python для визуализации
- Облачные среды для визуализации данных
- Статистическая оценка данных
- Лабораторная работа 8. Визуализация и статистическая оценка данных