Распродажа!

[Яндекс Практикум] Как стать аналитиком данных. Часть 6 из 6 (2021)

р.500

-75%

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

Категория:
Если вы сомневаетесь в нашей честности, то напишите нам по контактам на сайте. по ссылке: https://unimys.com/obratnaya-svyaz/
Любой товар стоит от 150 до 500 рублей (цена не зависит от стоимость продажи у автора)
  • После оплаты вы сразу же получаете курсы на e-mail;
  • Низкая цена;
  • Легко оплатить (мы используем все популярные платежные системы).

Если вы оплатили продукт, и он не пришел вам на почту в течение 30 минут, то свяжитесь с нами по ссылке: https://unimys.com/zakaz-ne-prishel/

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
  • 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.

 

Отзывы

Отзывов пока нет.

Будьте первым, кто оставил отзыв на “[Яндекс Практикум] Как стать аналитиком данных. Часть 6 из 6 (2021)”

Ваш адрес email не будет опубликован. Обязательные поля помечены *