Доступно

Аналитик данных [Яндекс. Практикум] [6/6]

Тема в разделе "Курсы по программированию", создана пользователем Stalevar, 14 окт 2021.

Цена: 13000р.-95%
Взнос: 552р.
100%

Основной список: 53 участников

Резервный список: 3 участников

Статус обсуждения:
Комментирование ограничено.
  1. 14 окт 2021
    #1
    Stalevar
    Stalevar МодерМодератор Команда форума

    Аналитик данных [Яндекс. Практикум] [6/6]

    Яндекс. Практикум
    Аналитик данных
    Часть 6 из 6

    Запись на все части доступна по ссылкам:
    часть 1, часть 2, часть 3, часть 4, часть 5 и часть 6.


    2021-10-14_223631.jpg


    Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. На курсе мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

    71,1% выпускников трудоустраиваются
    Мы делаем всё, чтобы студенты нашли новую работу после обучения: выдаём официальный диплом, учим собирать портфолио проектов, помогаем с поиском работы.

    71,1% выпускников находят работу, большинство из них — за 4 месяца после выпуска. Институт образования НИУ ВШЭ подтвердил данные через исследование трудоустройства выпускников.

    Часть 6
    • Автоматизация
      • Основы запуска скриптов
        • Введение
        • Основы работы с командной строкой
        • Доступ к командной строке на вашей локальной машине
        • Основные команды для работы с консолью
        • Настройка учетной записи в Яндекс.Облако
        • Установка Python на локальной машине
        • Запуск скрипта из командной строки
        • Запуск скрипта из командной строки в Яндекс.Облаке
        • Запуск скрипта по расписанию
        • Памятка по отладке cron.
        • Заключение
      • Что такое дата-пайплайны и зачем они нужны
        • Введение
        • Дата-пайплайны для автоматизации дащбордов
        • Агрегация данных и создание таблиц в БД
        • Вертикальные и горизонтальные таблицы
        • Создание скрипта пайплайна
        • Заключение
      • Проектирование и разработка дашбордов в dash.
        • Введение
        • Дашборды
        • Сбор требований при создании дашборда
        • Как создавать основные типы график в dash
        • Основы работы с элементами управления
        • Базовые элементы управления в dash
        • Элементы управления и интерактивность
        • Элементы дашборда
        • Разработка дашборда, основы композиции
        • Запуск дашборда на локальной машине
        • Запуск дашборда на виртуальной машине
        • Заключение
      • Tableau
        • Введение
        • Начало работы с Tableau Public
        • Как работать с Tableau
        • Подготовка данных
        • Таблицы и простые вычисления
        • Фильтры
        • Публикация дашборда.
        • Простые графики
        • Линейные графики и области с накомлением
        • Специальный типы графиков
        • Сборка дашборда
        • Заключение
      • Проектная работа
        • Часть 1. Составления технического задания
        • Часть 2. Создание дашборда
    • Прогнозы и предсказания
      • Введение
      • Задачи машинного обучения в бизнесе
        • Введение
        • Что такое обучение?
        • Введение в прогнозирование и машинное обучение
        • Обучение с учителем
        • Обучение без учителя
        • Обучение модели в Python. Библиотека sklearn.
        • Тестовая, валидационная и обучающая выборки
        • Нелообучение и переобучение
        • Разделяй и валидируй
        • Пайпланй машинного обучения
        • Почему машинное обучение - не панацея?
        • Заключение
      • Алгоритм машинного обучения
        • Введение
        • Линейная регрессия и функция ошибки
        • Градиентный спуск
        • Предобработка. Масштабирование признаков
        • Регуляризация
        • Реализация линейный моделей
        • Метрики регресии
        • Логистическая регрессия
        • Метрики классификации. Работа с метками.
        • Метрики классификации. Смотрим на вероятности.
        • Порог и баланс классов
        • Дерево принятия решений
        • Ансамбль деревьев: случайный лест и градиентный бустинг.
        • Алгоритмы обучения без учителя: кластеризация
        • При чем здесь расстояние?
        • K-Means и агломеративная иерархическая кластеризация
        • Метрики для задачи обучения без учителя
        • Заключение
      • Процесс решения задач машинного обучения
        • Введение
        • Постановка задачи
        • EDA. Анализ качества признаков
        • EDA. Формулировка гипотез
        • Предварительная обработка данных
        • Random и time split.
        • Выбор метрик
        • Выбор модели машинного обучения
        • Обучаем модели и выбираем лучшую
        • Важность признаков
        • Заключение.
      • Проектная работа(Проект)
      • Заключение.
    Сайт: Скрытая ссылка
     
    Последнее редактирование: 5 янв 2022
    1 человеку нравится это.
  2. Последние события

    1. skladchik.com
      Складчина доступна.
      14 янв 2022
    2. SpacePilot 3000
      SpacePilot 3000 участвует.
      11 янв 2022
    3. ufo23
      ufo23 участвует.
      10 янв 2022
    4. Эми
      Эми участвует.
      8 янв 2022

    Последние важные события

    1. skladchik.com
      Складчина доступна.
      14 янв 2022
    2. skladchik.com
      Взнос составляет 276р.
      7 янв 2022
    3. skladchik.com
      Складчина активна.
      7 янв 2022
    4. skladchik.com
      Сбор взносов начинается 07.01.2022.
      5 янв 2022
Статус обсуждения:
Комментирование ограничено.

Поделиться этой страницей