Python для Data Science

План вебинара
Что такое Data Science?
Цели данного курса
Требования
Что мы изучим?
Учебный процесс
Ответы на вопросы

Что такое
Data Science?

Data scientist (математик-программист, исследователь данных)
Data analyst (аналитик данных)
Data engineer (специалист по обработке данных)
Machine learning engineer (специалист по машинному обучению)
Deep learning engineer NLP (обработка естественного языка)
Deep learning engineer CV (компьютерное зрение)
Профессии и вакансии

Цели курса
Сформировать начальное представление о сфере Data Science
Познакомиться с основными библиотеками для DS и ML
Пройтись по ключевым этапам подготовки прогнозных моделей
Отточить полученные навыки, в рамках курсового проекта

Технические
Python 3.6+
Anaconda (https://www.anaconda.com/distribution/)
Профиль на GitHub (https://github.com/) или его аналоге
Требования
К навыкам
Знание математики на уровне школьной программы
Знание основ языка Python

Что мы изучим?
Библиотеки Python
Numpy
Pandas
Matplotlib / Seaborn
SciKit-Learn
Навыки
Обработка данных
Визуализация информации
Решение задачи классификации
Решение задачи регрессии
Кластеризация данных
Понижение размерности
Оценка качества моделей

Как устроен учебный процесс
Введение в курс
Курсовой проект
4 недели
Домашнее задание
Вебинар
Видео урок

Домашние задания
Оформляем решение в тетрадках jupyter notebook
Решения прикрепляем к видеоурокам (ссылка на git или файл)
Сдавать домашние задания нужно в срок
Задания со «звёздочкой», как и задания на повторение материала, сдавать не обязательно, но желательно ☺
Если не успели, то можно сдать через службу поддержки ([e-mail])
Разборы домашних заданий будут выкладываться после окончания сроков сдачи

Вебинары
Обсудим основные этапы построения предсказательных моделей
На примере обучающего набора данных отработаем ключевые шаги
Подготовимся к сдаче курсового проекта
Разберём возникающие вопросы и проблемные моменты
После вебинаров домашних заданий сдавать не надо

Курсовой проект
Тема проекта: «Предсказание цен на жилые дома»
Подготовка в течение курса
Консультация перед проектом
Оценка результатов

Если возникнут сложности
Повторно ознакомиться с материалом (видео уроки, разборы и т.д.)
Изучить дополнительную информацию в сети Интернет
Обратиться с вопросом в чат группы в Telegram
Написать в личные сообщения наставнику или преподавателю на портале GeekBrains

Ответы на вопросы