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. Изучаются основы машинного обучения как способа работы с неструктурированными данными на основе библиотеки Tensorflow. Также рассматриваются распространённые инструменты визуализации данных.
Аудитория курса:
Инженеры по работе с данными, а также разработчики ПО, желающие изучить основы машинной обработки данных
Предварительные требования к аудитории:
Знания языка Python на уровне курса Программирование на языке Python (PYTHON_BASIC).
Содержание курса:
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
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
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
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
5. Визуализация данных.
Библиотеки Python для визуализации Облачные среды для визуализации данных Статистическая оценка данных Лабораторная работа 8. Визуализация и статистическая оценка данных