Data Science: быстрый старт

Блок 1: "Python, быстрый старт: типы данных, функции, классы, ошибки"

• Введение в Python
• Типы данных, функции, классы, ошибки

Блок 2: "Python, быстрый старт: строки, условия, циклы, списки и словари"

• Строки, условия, циклы
• Списки и словари в Python

Блок 3: "Библиотеки для анализа данных: Pandas"

• Пакеты, файлы, Pandas – начало
• Pandas – продолжение

Блок 4: "Библиотеки для анализа данных: визуализация"

• Библиотеки визуализации данных
• Практика

Блок 5: "Знакомство с машинным обучением"

• Задачи машинного обучения
• Ключевые инструменты Machine Learning и их применение

Блок 6: "Основные модели машинного обучения: линейная регрессия"

• Что такое модели машинного обучения?
• Линейная регрессия
• Практика

Блок 7: "Бинарная классификация"

• Алгоритм бинарной классификации данных
• Применение на задачах

Блок 8: "Валидация. Почему это важно"

• Проблема переобучения и недообучения
• Валидация на отложенной выборке
• KFold и Stratified KFold валидация

Блок 9: "Решающие деревья"

• Определение и процесс построения решающего дерева
• Принцип работы дерево с количественными и категориальными признаками
• Сравнение дерева решений с линейными моделями

Блок 10: "Feature Engineering, Feature Selection"

• Состав Feature Engineering
• Базовые подходы к созданию признаков
• Состав Feature Selection
• Разбор кейсов

Блок 11: "Предсказание оттока клиентов и прогноз продаж"

• Разбор кейса
• Практическая задача по предсказанию оттока пользователей
• Практика и применение алгоритмов

Блок 12: "Воркшоп: скоринг кредитного портфеля"

• Разбор кейса и нюансов
• Практическая задача