Освоите необходимые навыки для начала карьеры в Data Science

Познакомитесь с историей и возможностями Python, настроите окружение и напишете первую программу.

• История языка и сферы применения Python

• Установка Python и Jupyter Notebook

• Первая программа на Python

• Работа с ботом Telegram

Разберете основные конструкции Python и научитесь создавать калькулятор-бота.

• Типы данных

• Функции и объекты

• Обработка ошибок

• Модули и преобразования типов

Научитесь работать со строками, логикой и циклами.

• Условия: if

• Циклы: while, for

• Работа со строками

• Интеграция с внешними API

Освоите структуру и логику работы со списками и словарями.

• Создание и работа со списками

• Создание и работа со словарями

• Полезные методы и функции

Научитесь использовать модули, работать с файлами и начнете изучать Pandas.

• Работа с пакетами и модулями

• Чтение и запись файлов

• Импорт и экспорт данных через Google Sheets

Глубже погрузитесь в работу с таблицами и датафреймами.

• Создание и индексирование датафреймов

• Работа с колонками, типами данных и пропущенными значениями

• Объединение таблиц: concat, merge, join

• Группировка данных

Освоите инструменты визуализации: от базовых графиков до интерактивных панелей.

• Matplotlib: базовые графики

• Seaborn: расширенная визуализация

• Plotly & Dash: интерактивные дашборды

Узнаете, что такое машинное обучение и напишете первую ML-модель.

• Основы Data Science и ML

• Обучение с учителем и без

• Этапы построения ML-системы

• Построение первой модели

Изучите задачу регрессии и поймете, как ее решить с помощью Python.

• Постановка задачи и градиентный спуск

• Предобработка данных

• Метрики качества

• Переобучение

Поработаете с задачами классификации и логистической регрессией.

• Задача классификации

• Метрики качества

• Логистическая регрессия

• Один против всех, обработка пропусков

Поймете, почему важна валидация и как избежать переобучения.

• Переобучение и недообучение

• Валидация на отложенной выборке

• Кросс-валидация

Научитесь строить и интерпретировать модели деревьев решений.

• Построение дерева решений

• Критерии информативности

• Регуляризация дерева

Разберетесь, как выбирать и обрабатывать признаки в задачах ML.

• Обработка категориальных и числовых признаков

• Учет типа модели

• Формирование обучающей выборки

Попрактикуетесь в построении моделей для реальных бизнес-задач.

• Прогноз оттока

• Предсказание продаж

• Перевод бизнес-задачи в ML-задачу

Научитесь оценивать кредитный риск и строить скоринговую модель.

• Построение скоринговой модели

• Работа с данными и метриками

• Подготовка данных под ML