Автор: Яндекс Практикум
Название: Как стать аналитиком данных. Часть 6 из 6 (2021)
Описание:
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
Название: Как стать аналитиком данных. Часть 6 из 6 (2021)
Описание:
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
- Основы запуска скриптов
- 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.
Cкрытый контент, нужно авторизируйся или присоединяйся.
Возможно, Вас ещё заинтересует:
- [Филипп Игнатенко] [merion academy] DevOps-инженер с нуля (2025)
- [Яндекс.Практикум] Python‑разработчик буткемп (2025)
- [Алексей Черемных] Администрирование ViPNet-сетей
- [deworker.pro] Стрим про безопасность web-приложений
- [Дмитрий Чернов] AL-1724VR Установка и управление виртуализацией в ОС Astra Linux Special Edition 1.7
- [HTB Academy] Сертифицированный специалист по тестированию на проникновение Hack The Box (часть 2)
- [Step Up] Разработчик чат-ботов. Уровень Мастер
- [PurpleSchool] Golang - Templ Fiber HTMX (2025)
- [Ильяс Низамутдинов] Программная работа с СКД (2025)
- [Stepik] Запросы в 1С - Углубленное изучение языка запросов
- [Micro courses] Zod - максимально полный курс
- [Stepik] Машинное обучение - Подготовка данных (Модуль 1)
- [Stepik] Web-технологии - практический курс CSS
- [Учебный центр №1] Профессиональная работа в программе 1С Документооборот 8, Редакция 3.0 (2025)
- [Ильяс Низамутдинов] Макеты в СКД. Полное погружение
- [Stepik] Тестирование REST API в Postman - легкий старт в автоматизацию
- [Stepik] Буткемп «Записки юного программиста» git, html, react.js, c# (2024)
- [Stepik] Основы работы в консоли Linux, настройка сетевых служб (кластер)
- [Академия АйТи] Тестирование на проникновение и анализ безопасности. Базовый уровень (2024)
- [Архэ] Искусственный интеллект и машинное обучение - итоги 24 года (2024)