• Гость, подпишитесь сейчас

    📥 Адрес сайта иногда меняется, чтобы быть в курсе актуального адреса, подпишитесь на телеграм «Подписаться»
  • Форумы
  • Складчикам курсы
  • Программирование

[Mathshub] Exploratory data analysis EDA. Тариф Начало пути (Георгий Милютин)

Найти складчину

Описание складчины

Оформите складчину [Mathshub] Exploratory data analysis EDA. Тариф Начало пути (Георгий Милютин) и получите популярный курс по программированию по выгодной цене. Изучайте разработку сайтов, мобильных приложений, API и современных IT-решений.

Организатор: Аноним
Скачать
Скачать
Скачать
Скачать
Аноним
Маска Организаторов
Организатор
Сообщения
Монеты
+89.5
Оплачено
5
Купоны
0
Кешбэк
0
Баллы
0
23.05.2024
  • @Skladchiki
  • #1

Складчина: [Mathshub] Exploratory data analysis EDA. Тариф Начало пути (Георгий Милютин)

Ссылка на картинку
Чему мы научим на Exploratory data analysis:
◆ На этом модуле вы изучите понятие стохастического подхода в анализе данных, научитесь разделять переменные на различные типы и выбирать соответствующие меры по локации и разбросу, а также разберётесь в применении различных методов для анализа данных.
Обучение включает математическую статистику, линейную алгебру, математический анализ и теорию вероятностей, применяемые в оптимизации и машинном обучении. Вы узнаете, как проводить базовый исследовательский анализ, визуализировать данные и исправлять в них проблемы, заполнять пропущенные значения и оптимизировать большие датасеты для работы.
◆ Узнаете всё о стохастическом подходе
Разведывательный анализ данных (EDA) используют для исследования и анализа набора данных с целью получения первичного понимания о его структуре, особенностях и возможных образцах. Вы разберёте, что такое EDA, погрузитесь в краткую историю стохастического подхода и в сферы его применения.
◆ Научитесь работать с переменными
Вы узнаете, как в разведывательном методе используют различные типы переменных — непрерывные, дискретные, порядковые, номинальные, количественные. Также узнаете о зависимостях двух переменных, корреляции и регрессии.
◆ Изучите взаимодействие с массивами данных
В EDA работа с массивами данных включает в себя подготовку данных, их обработку, анализ, визуализацию, агрегацию и преобразования. Вы разберёте методы работы и какие программные инструменты необходимы в процессе.
◆ Познакомитесь с оптимизацией больших датасетов
Вы узнаете, как ускорить процесс работы, повысить эффективность в обработке информации и сократить время анализа. Расскажем, как удалять ненужные переменные, что такое индексация и как применять сжатие.
Что включено в модуль:
Введение в разведывательный анализ данных. Алгоритмы и методы
Математическая статистика в контексте EDA. Типы признаков
Линейная алгебра в контексте Линейных методов
Математический анализ в контексте задачи оптимизации
Теория вероятностей и математическая статистика
Теория вероятностей в контексте Наивного Байесовского классификатора
Анализ данных
Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения: Лекция + семинар
Краткая история стохастического подхода. Типы переменных. Меры локации и разброса набора данных. Диаграмма размаха
Таблицы частот и оценка мер локации по неполным данным. Гистограммы плотностей
Зависимость двух переменных. Корреляция и регрессия
Непараметрическая корреляция. Расчёт корреляции и построение регрессии в Python
Мониторинг приложений. Автоматизация деплоя с помощью GitHub Actions
Оптимизация больших датасетов и библиотеки для работы с большими данными
Твои навыки после обучения
Владение математической статистики в контексте EDA
Умение строить таблицы частот и гистограммы плотностей, оценивать меры локации по неполным данным
Расчёт корреляции и построение регрессии в Python
Умение работать с массивами данных и пропусками. Классификация и агрегирование. Визуализация в Tableau
Оптимизация больших датасетов и библиотеки для работы с большими данными
Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Георгий Милютин. EDA, Математика, Статистика. Ex-глава департамента математики в London Gate Education Group.
Показать больше
 
Зарегистрируйтесь , чтобы посмотреть авторский контент.
Поиск по тегу:
Теги
mathshub георгий милютин работа с переменными стохастический подход эффективность
Похожие темы
Скачать [Mathshub] Статистика. Тариф Начало пути (Георгий Милютин)
  • 23.05.2024
Просмотры
265
23.05.2024
Скачать [Mathshub] Математика. Тариф Начало пути (Георгий Милютин)
  • 23.05.2024
Просмотры
250
23.05.2024
Скачать [Mathshub] Продуктовая аналитика. Тариф Начало пути (Эдуард Водяницкий)
  • 23.05.2024
Просмотры
297
23.05.2024
Скачать [Mathshub] Machine Learning. Тариф Начало пути (Олег Булыгин)
  • 23.05.2024
Просмотры
349
23.05.2024
Скачать [Яндекс Практикум] Go - разработчик с нуля. Тариф с нуля (Георгий Зуйков, Александр Демиденко)
  • 25.06.2024
Просмотры
341
25.06.2024
Показать больше похожих складчин

Зарегистрируйтесь или войдите, чтобы обсуждать и скачивать материалы!

Зарегистрироваться

Создайте учетную запись. Это быстро!

Регистрация

Авторизоваться

Вы уже зарегистрированы? Войдите.

Вход
  • Форумы
  • Складчикам курсы
  • Программирование
  • Русский (RU)
  • Условия и правила
  • Политика конфиденциальности
  • Помощь
Меню
Вход

Регистрация

  • Форумы
    • Новые сообщения
    • Поиск сообщений
  • Что нового?
    • Новые сообщения
    • Новые сообщения профилей
    • Последняя активность
    • Новые оценки тем
  • Помощь