Data Science
INTENSE
11.10
СТАРТ
ПРОГРАММА ПОДГОТОВКИ
TITANIC
body_input = keras.Input(shape=(None,), name="body") # Variable-length sequence of ints
19:00
О чём курс
За 8 практических занятий вы изучите основы языка Python, и на примере трагического крушения трансатлантического парохода узнаете, как можно из ограниченных данных собрать максимальное количество полезной информации. А также сможете оценить шансы Джека Доусона выжить на «Титанике».

Вы узнаете:
как работать с большими данными
каким образом они помогают в  разработке новых продуктов и улучшении уже существующих
принципы внедрения и применения культуры сбора и обработки данных
0.094491
0.490796
0.072921
0.104517
0.406115
0.181755
0.055334
import timedef fib(number: int) -> int:if number== 0: return 0 if number == 1: return1 return fib(number-1) + fib(number-2)start = time.time()fib(40)print(f'Duration: {time.time() - start}s') # 30.6840996742248 54s from functools import lru_cache @lru_cache(maxsize=512)def ib_memoization(number: int) -> int:if number == 0: return 0 if number == 1: return e.tim
return fib_memoization(number-1) +3 fib_memoization(number-2) start = time.time()fib_memoization(40)3 print(f'Duration: {time.time() - e.timstart}s')12)def ib_memimport timedef уыfib(number: int) -> int:if number == 0: return 0 if number == 1: return 1 return fib(number-1) + fib(number-2) start = time.time()fib(40)print(f'Duration: {time.time() - start}s') # 30.684099674224854s from functools import lru_cache @lru_cache(maxsize=512)def ib_memoization(number: int) -> int:if number == 0: return 0 if number == 1: return
return fib_memoization(number-1) + fib_memoization(number-2) start = time.time()fib_memoization(40) print(f'Duration: {time.time() - start}s')12)def ib_mem
Менторы курса
Выпускник, наставник студентов, ментор марафонов и воркшопов Data Science Bootcamp
УЛЮМДЖИ УЛЮМДЖИЕВ
Ментор интенсива и основного курса по направлению Data Science
АНТОН ЕФИМОВ
Программа
ВСЁ В DATA SCIENCE — ВЕКТОР, МАТРИЦА, ПРОИЗВОДНАЯ И СЛУЧАЙНОСТЬ
PYTHON БИБЛИОТЕКИ:
PYTHON
Методы машинного обучения (unsupervised/supervised)
Подготовка данных — 80% усилий
keras
numpy
seaborn
классификация и регрессия
ансамбли
кластеризация и понижение размерности
Инструменты: jupyter notebook, git, bash, python
Циклы
нейронные сети
sklearn
pandas
Функции
List comprehension
Условные конструкции
Обучение моделей
Градиентный спуск
Метрики и loss-функции
Типы данных
РАСПИСАНИЕ
11 октября
11 октября
1 занятие
Google Colab, Jupyter Notebook и основы Python
12 октября
12 октября
2 занятие
Типы данных, условия, циклы
13 октября
13 октября
3 занятие
List comprehension, встроенные функции и библиотеки
14 октября
14 октября
4 занятие
Классы. ООП


ПОСЛЕ 4 ЗАНЯТИЙ ВЫ СМОЖЕТЕ СДАТЬ ЭКЗАМЕН ДЛЯ ПОСТУПЕНИЯ В ELBRUS
18 октября
18 октября
5 занятие
Виртуальная среда. Установка библиотек. Kaggle-соревнования
19 октября
19 октября
6 занятие
Обзор и анализ данных с библиотекой pandas
20 октября
20 октября
7 занятие
Методы машинного обучения с scikit-learn и keras
21 октября
21 октября
8 занятие
Оформление исследования, загрузка на github
КОМУ ПОДОЙДЕТ
Всем, кому интересна сфера Data Science
Мы разработали этот вводный курс для новичков, которые уже понимают, что будущее за нейронными сетями и machine learning, но пока не знают, как именно их применять
Специалистам смежных профессий
Если вам необходимо разбираться в основных понятиях аналитики для работы или просто хотите расширить кругозор, даже если не планируете развиваться как Data Scientist
Специалистам, которые каждый день работают с данными
Это разработчики, интернет-маркетологи, бухгалтеры, финансисты и экономисты, продакт-менеджеры и даже трейдеры
Тем, кто интересуется анализом данных на языке Python
ЧТО В ИТОГЕ?
Подготовитесь к экзамену для поступления в Data Science Bootcamp
Научитесь пользоваться jupyter notebook, а также множеством Python библиотек для работы с данными
Проанализируете датасет
Визуализируете ваши данные
Используете свою первую нейросеть
Напишете несложный код на Python, создадите свой первый интерактивный отчёт
Стоимость
• Занятия с ментором в режиме реального времени
• Материалы для подготовки
• Домашние задания
• Записи занятий
• Фидбек от куратора
Интенсив включает:
ЗАЧТЕМ ЕГО СТОИМОСТЬ В СЧЕТ ОСНОВНОГО КУРСА
Сдадите экзамен в течение недели после завершения интенсива?
Остались вопросы? Наши кураторы подробно расскажут про программу и формат интенсива и ответят на все возникшие вопросы.
ХОЧУ ПОЛУЧАТЬ ИНТЕРЕСНЫЕ МАТЕРИАЛЫ ПО ПРОГРАММИРОВАНИЮ
Нажимая на кнопку, я соглашаюсь с Политикой конфиденциальности
Москва, ул. Орджоникидзе, 11 стр 10
(м. Ленинский проспект)