Обработка данных с использованием Python (PYTHON_DATA)
Кому следует посетить
Инженеры по работе с данными, а также разработчики ПО, желающие изучить основы машинной обработки данных
Предварительные требования:
Знания языка Python на уровне курса Программирование на языке Python. Базовый уровень (PYTHON_BASIC)
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
После Вашей регистрации курс будет гарантированно проведен
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
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