„Питхон: Увод у анализу података“ - курс 30.000 РУБ. из МСУ, обука 4 недеље. (1 месец), Датум: 30.11.2023.
мисцеланеа / / December 03, 2023
Програм напредне обуке има за циљ стицање вештина у раду са програмским језиком Питхон за анализу великих података.
Трајање обуке – 36 часова (24 часа кабинетске наставе са наставником, 12 часова самосталног проучавања градива).
Форма учења – лицем у лице са могућношћу даљинског повезивања.
Трошкови образовања 30.000 рубаља.
Почетак наставе - јесен 2023 шк.
Уговори о обуци се закључују са физичким и правним лицима.
Регистрација за курсеве се врши путем е-поште хсми-допобр@маил.ру (за физичка лица).
Можете контактирати администратора курса, Антона Мартјанова, да се региструјете или имате питања путем ВхатсАпп-а или Телеграма на +79264827721.
1. Библиотеке програмског језика Питхон.
Главне намене и функције библиотека;
Типови библиотека за анализу података: Пандас, Нумпи, Статсмоделс, Склеарн, Сеабоурне;
Врсте библиотека за визуелизацију података;
2. Типови и структуре података у Питхон-у.
Типови типова података: Интегер, флоат, боол, сртинг, објецт;
Типови структура података: оквир података, серије, низ, тупле, листе, итд.;
3. Учитавање података у програм и прелиминарна анализа.
Учитавање података у различитим форматима (клск, цсв, хтмл, итд.);
Одређивање броја редова и колона;
Идентификовање вредности које недостају;
Идентификовање типова података у матрици;
4. Питхон функције за анализу података.
Функције за добијање дескриптивне статистике (проналажење мак, мин, средња вредност, медијана, квартила);
Функције за визуелизацију густине дистрибуције података (Нормална Гаусова дистрибуција);
Функције за креирање бинарних променљивих (думмиес вар);
Функције алгоритама машинског учења за грађење модела (најмањи квадрати, машине вектора подршке, случајна шума, логистичка регресија, временске серије);
5. Изградња регресионих модела.
Сврха конструисања линеарне регресије методом најмањих квадрата;
Предлагање хипотеза и постављање проблема (на основу радних података);
Изградња регресионог модела у Питхон-у;
Процена значајности добијених коефицијената и модела у целини (т-статистика, Ф-статистика);
Процена квалитета модела (Р2);
Провера Гаус-Марковљевих претпоставки;
Интерпретација добијених резултата;
6. Изградња модела класификације.
Алгоритам случајне шуме;
Логистичка регресија;
Суппорт Вецтор Мацхине;
Адреса
119991, Москва, ул. Ленинские гори, 1, бл. 51, 5. спрат, соба 544 (деканат)
Универзитет