Скачать Пакет курсов "Data Scientist": Python + SQL + Машинное обучение [Stepik] [Влад Бурмистров]

[King]

Складчина: Пакет курсов "Data Scientist": Python + SQL + Машинное обучение [Stepik] [Влад Бурмистров]


Этот пакет из 3 курсов содержит более 70 часов качественных видео-лекций!
С домашними заданиями, решениями для домашних заданий. С возможностью скачивать материалы курса. А также поддержкой преподавателя, если у Вас возникнут какие-либо вопросы!

В курсе по Python Вы освоите следующие темы:

Изучите базовый синтаксис и структуры данных Python 3!
Научитесь создавать блокноты Jupyter Notebook и файлы .py
Изучите продвинутые возможности Python, такие как модуль "collections" и работа с timestamp!
Научитесь использовать Объектно-Ориентированное Программирование!
Изучите сложные темы, например декораторы и генераторы.
Получите уверенное понимание основ языка Python!
В курсе по SQL Вы освоите следующие темы:
Научитесь разрабатывать запросы SELECT к базам данных.

Поймёте все особенности соединений таблиц - INNER JOIN, LEFT OUTER JOIN и т.д.
Сможете избегать частых ошибок, которые делают новички
Будете уверенно использовать SQL для анализа данных
Освоите продвинутые темы, включая оконные функции.
В курсе по Машинному Обучению Вы освоите следующие темы:

Построение моделей машинного обучения с учителем (Supervised Learning)
Применение NumPy для работы с числами в Python
Использование Seaborn для создания красивых графиков визуализации данных
Применение Pandas для манипуляции с данными в Python
Элементы Matplotlib для детальной настройки визуализаций данных в Python
Конструирование признаков (Feature Engineering) на реалистичных примерах
Алгоритмы регрессии для предсказания непрерывных переменных
Навыки подготовки данных к машинному обучению
Алгоритмы классификации для предсказания категориальных переменных
Создание портфолио проектов машинного обучения и Data Science
Работа с Scikit-Learn для применения различных алгоритмов машинного обучения
Быстрая настройка Anaconda для работ по машинному обучению
Понимание полного цикла этапов работ по машинному обучению


Спойлер: Полный Курс Python 3: от Новичка до Мастера (Питон, Пайтон)
Обзор Курса

Скачиваем материалы курса
Обзор Содержания Курса
Python 2 и Python 3. Пайтон или Питон?
Часто Задаваемые Вопросы
Полезные советы об интерфейсе Stepik (опционально)
Установка Python

Замечание по эмулятору Python в Степик
Основы Работы в Командной Строке
Установка Python
Запуск Кода Python
Объекты и Структуры Данных в Python

Введение в Типы Данных Python
Числа (Numbers)
Числа (Numbers) - Часто Задаваемые Вопросы
Проверочные Вопросы по Числам (Numbers)
Присвоение Переменных
Введение в Строки (Strings)
Индексирование и Срезы Строк
Свойства и Методы Строк
Строки - Часто Задаваемые Вопросы
Проверочные Вопросы по Строкам
Форматирование Вывода для Строк
Форматирование Вывода - Часто Задаваемые Вопросы
Списки (Lists) в Python
Списки - Часто Задаваемые Вопросы
Проверочные Вопросы по Спискам
Словари (Dictionaries) в Python
Словари - Часто Задаваемые Вопросы
Проверочные Вопросы по Словарям
Кортежи (Tuples) в Python
Проверочные Вопросы по Кортежам
Множества (Sets) в Python
Значения Boolean в Python
Проверочные Вопросы - Множества и значения Booleans
Ввод-вывод (I/O) для файлов в Python
Ресурсы для Дополнительной Практики
Обзор Теста по Объектам и Структурам Данных Python
Решения для Теста по Объектам и Структурам Данных Python
Операторы Сравнения в Python

Операторы Сравнения в Python
Сцепление Операторов Сравнения с помощью Логических Операторов
Проверочные Вопросы по Операторам Сравнения
Операторы Python

Операторы If, Elif и Else в Python
Циклы For в Python
Циклы While в Python
Полезные Операторы в Python
Генераторы Списков (List Comprehensions) в Python
Обзор Теста по Операторам Python
Решения Теста по Операторам Python
(Опционально) Задание - Игра на угадывание чисел
Методы и Функции

Методы и Документация Python
Функции в Python
*args и **kwargs в Python
Упражнения по Функциям
Обзор Упражнений по Функциям
Решения Упражнений - Уровень Разминка
Решения Упражнений - Уровень 1
Решения Упражнений - Уровень 2
Решения Упражнений - Сложные Задачи
Lambda-выражения, функции Map и Filter
Вложенные Операторы и Области Видимости (Scope)
Функции и Методы - Домашнее Задание
Полезные Советы для Задания по Функциям и Методам
Решения для Домашнего Задания по Функциям и Методам
Проект - 1

Обзор Первого Проекта Python
Помощь по Проекту
Обзор Решения для Проекта 1 - Часть 1
Обзор Решения для Проекта 1 - Часть 2
Объектно-Ориентированное Программирование (ООП)

ООП: Введение
ООП: Атрибуты и Ключевое слово Class
ООП: Классы, Объекты, Атрибуты и Методы
ООП: Наследование и Полиморфизм
ООП: Специальные Методы (Magic/Dunder)
ООП: Домашнее Задание
ООП: Решение для Домашнего Задания
ООП: Задача
ООП: Решение для Задачи
Модули и Пакеты

Pip Install и PyPi
Модули и Пакеты
__name__ и "__main__"
Ошибки и Обработка Исключений (Exceptions)

Ошибки и Обработка Исключений (Exceptions)
Домашнее Задание - Ошибки и Обработка Исключений
Решения для Домашнего Задания - Ошибки и Обработка Исключений
Обзор Pylint
Запуск тестов с помощью библиотеки Unittest
Проект - 2

Обзор Проекта 2
Решение - классы Card и Deck
Решение - классы Hand и Chip
Решение - функции для Game Play
Решение - Финальный скрипт Gameplay
Декораторы в Python (Decorators)

Обзор Декораторов в Python
Декораторы - Домашнее Задание
Генераторы Python (Generators)

Генераторы в Python
Обзор Домашнего Задания по Генераторам
Решения для Домашнего Задания по Генераторам
Финальный Проект

Финальный Проект
Резюме курса

Короткий тест
Финальные шаги



Спойлер: Начальный курс SQL: от Новичка до Специалиста
Введение. Обзор языка SQL.


Обзор языка SQL
Раздаточный Материал №1 (PDF-файл): Примеры Синтаксиса
Скачиваем слайды презентаций (опционально)
Полезные советы об интерфейсе Stepik (опционально)

Установка и настройка таблиц для упражнений

Обзор раздела
Шаги по установке
Установка для Windows
Установка для Mac
Решение проблем с установкой
Обзор pgAdmin

Создание таблиц. Связи между таблицами.

Создание таблиц. Типы данных.
Первичный ключ и внешний ключ. Типы связей между таблицами.

Основные запросы SELECT

Выбор колонок. Выражения.
Выбор строк. Операторы AND, OR.
Проверочные Вопросы - Выбор колонок и строк
Упражнение 1 - фильтрация колонок и строк
Решения для Упражнения 1
Операторы IN, NOT IN, BETWEEN
Вложенные запросы (подзапросы)
Проверочные Вопросы - Вложенные запросы (подзапросы)
Упражнение 2 - вложенные запросы
Решения для Упражнения 2
Как пишутся комментарии в SQL

Работа со значениями NULL

Что такое значение NULL. Особенности работы со значениями NULL.
NULL и Сравнение "не равно"
Проверочные Вопросы - Значения NULL
Упражнение 3 - работа со значениями NULL
Решения для Упражнения 3
IN и NOT IN при наличии значений NULL

Агрегация - GROUP BY, HAVING, DISTINCT

Группировка данных GROUP BY
Мини-задачи по GROUP BY - задания
Решения мини-задач по GROUP BY
Фильтрация HAVING
Агрегация SUM и COUNT
Другие функции агрегации
Мини-задачи по функциям агрегации
Решения мини-задач по функциям агрегации
Различные значения DISTINCT
Сортировка данных ORDER BY
Проверочные Вопросы - Агрегация данных
Упражнение 4 - агрегация данных
Решения для Упражнения 4

Соединение таблиц - INNER, OUTER, CROSS, SELF JOIN

INNER JOIN - Внутреннее Соединение Таблиц
Проверочные Вопросы - INNER JOIN
Упражнение 5 - INNER JOIN
Решения для Упражнения 5
Соединение Нескольких Таблиц
Дубликаты Строк, Нехватка Строк
LEFT OUTER JOIN - Левое Внешнее Соединение
Различные варианты синтаксиса
RIGHT OUTER JOIN- Правое Внешнее Соединение
Упражнение 6 - OUTER JOIN
Решения для Упражнения 6
FULL OUTER JOIN - Полное внешнее соединение
SELF JOIN - Соединение таблицы самой с собой
Упражнение 7 - SELF JOIN
Решения для Упражнения 7
CROSS JOIN - Декартово Произведение Таблиц

Операторы множеств - UNION, EXCEPT (MINUS) и INTERSECT

UNION - Объединение множеств строк
EXCEPT (MINUS) - Вычитание множеств строк
INTERSECT - Пересечение множеств строк
Проверочные Вопросы - Операторы множеств
Упражнение 8 - Операторы множеств (union, except, intersect)
Решения для Упражнения 8

Функции и операторы

Обзор функций и операторов
Для числовых типов данных
LIKE для поиска шаблонов
Для символьных типов данных
Для типов данных даты и времени
Упражнение 9 - Функции и Операторы
Решения для Упражнения 9

Изменение данных - INSERT, UPDATE, DELETE

INSERT - Вставка данных
UPDATE - Обновление данных
DELETE - Удаление данных
Упражнение 10 - Изменение данных
Решения для Упражнения 10
Поиск расхождений между таблицами
Устранение расхождений между таблицами
Восстановление данных после Упражнения 10

Дополнительные темы: CASE, CTE, рекурсия

CASE: два варианта синтаксиса
CASE: полезные примеры
Упражнение 11: CASE
Решения для Упражнения 11
Как можно переписать IN / NOT IN на OUTER JOIN + CASE
CTE - Common Table Expression (WITH ...)
Рекурсивные Запросы

Оконные функции

Оконные функции - первое знакомство
Добавляем PARTITION BY
Упражнение 12: вычисляем проценты
Решения для упражнения 12
Кумулятивные суммы
Особенности ORDER BY для оконных функций - часть 1
Особенности ORDER BY для оконных функций - часть 2
Упражнение 13: ABC-анализ
Решения для упражнения 13
Скользящие средние, предыдущие строки и последующие строки
Упражнение 14: солнечные дни
Решения для упражнения 14
Нумерация и ранжирование
Упражнение 15: нумерация и ранжирование
Решения для упражнения 15
Резюме по оконным функциям

Резюме курса

Резюме курса
Финальные шаги



Спойлер: Машинное Обучение в Python: Большой Курс для Начинающих
Вводная часть курса


Добро пожаловать на курс!
Материалы курса - ZIP-файлы для скачивания
Установка Anaconda, Python, Jupyter Notebook
Прочтите эту статью - Замечание о настройке среды разработки
Настройка среды разработки
Часто задаваемые вопросы
Полезные советы об интерфейсе Stepik (опционально)

Опционально: Экспресс-курс по Python

Пару слов об экспресс-курсе
Экспресс-курс по Python - Часть 1
Экспресс-курс по Python - Часть 2
Экспресс-курс по Python - Часть 3
Проверочные упражнения по Python
Решения для проверочных упражнений по Python

Этапы работ по машинному обучению

Этапы работ по машинному обучению

NumPy

Обзор раздела про NumPy
Массивы NumPy
Индексация и выбор данных из массивов NumPy
Операции в NumPy
Проверочные упражнения по NumPy
Решения для проверочных упражнений по NumPy

Pandas

Обзор раздела про Pandas
Series - Часть 1
Series - Часть 2
Датафреймы - Часть 1 - Создание датафреймов
Датафреймы - Часть 2 - Основные атрибуты
Датафреймы - Часть 3 - Работа с колонками
Датафреймы - Часть 4 - Работа со строками
Выборка данных по условию (Conditional Filtering)
Полезные методы - Apply для одной колонки
Полезные методы - Apply для нескольких колонок
Полезные методы - Статистическая информация и сортировка данных
Отсутствующие данные (missing data) - Обзор
Отсутствующие данные (missing data) - Операции в Pandas
Агрегация данных GROUP BY - Часть 1
Агрегация данных GROUP BY - Часть 2 - Мульти-индекс
Объединение датафреймов - Конкатенация
Объединение датафреймов - Inner Merge
Объединение датафреймов - Left и Right Merge
Объединение датафреймов - Outer Merge
Методы Pandas для текста
Методы Pandas для даты и времени
Input/Output в Pandas - CSV-файлы
Input/Output в Pandas - HTML-таблицы
Input/Output в Pandas - Excel-файлы
Input/Output в Pandas - SQL базы данных
Сводные таблицы в Pandas (pivot tables)
Проверочные упражнения по Pandas
Решения для проверочных упражнений по Pandas

Matplotlib

Обзор раздела про Matplotlib
Основы Matplotlib
Объект Figure - принципы работы
Объект Figure - код в Python
Объект Figure - код в Python
Subplots - несколько графиков рядом друг с другом
Стилизация Matplotlib: легенды
Стилизация Matplotlib: цвета и стили
Дополнительные материалы по Matplotlib
Проверочные упражнения по Matplotlib
Решения для проверочных упражнений по Matplotlib

Seaborn

Обзор раздела про Seaborn
Scatterplots - Графики рассеяния (диаграммы рассеяния)
Distribution Plots - Часть 1 - Типы графиков
Distribution Plots - Часть 2 - Код в Python
Categorical Plots - Статистики по категориям - Типы графиков
Categorical Plots - Статистики по категориям - Код в Python
Categorical Plots - Распределения по категориям - Типы графиков
Categorical Plots - Распределения по категориям - Код в Python
Графики сравнения - Типы графиков
Графики сравнения - Код в Python
Seaborn Grid
Матричные графики
Проверочные упражнения по Seaborn
Решения для проверочных упражнений по Seaborn

Большой Проект по Визуализации Данных

Обзор Проекта по Визуализации Данных
Разбор решений проекта - Часть 1
Разбор решений проекта - Часть 2
Разбор решений проекта - Часть 3

Обзор Машинного Обучения

Обзор раздела
Зачем нужно машинное обучение
Типы алгоритмов машинного обучения
Процесс для обучения с учителем (supervised learning)
(ОПЦИОНАЛЬНО) Дополнительная книга для чтения - ISLR

Линейная Регрессия

Обзор раздела про линейную регрессию
Линейная регрессия - История алгоритма
Наименьшие квадраты
Функция стоимости (Cost Function)
Градиентный спуск (Gradient Descent)
Простая линейная регрессия
Обзор Scikit-Learn
Scikit-Learn - Train Test Split
Scikit-Learn - оценка работы модели
Графики остатков - Residual Plots
Внедрение модели и интерпретация коэффициентов
Полиномиальная регрессия - теория
Полиномиальная регрессия - создание признаков
Полиномиальная регрессия - обучение и оценка модели
Дилемма смещения-дисперсии (Bias-Variance Trade-Off)
Полиномиальная регрессия - выбираем степень полинома
Полиномиальная регрессия - внедрение модели
Регуляризация - обзор
Масштабирование признаков (feature scaling)
Кросс-валидация - обзор
Регуляризация - подготовка данных
L2 Регуляризация - Ридж-регрессия - теория
L2 Регуляризация - Ридж-регрессия - код в Python
L1 Регуляризация - Лассо-регрессия - теория и код в Python
L1 и L2 Регуляризация - Эластичная сеть Elastic Net
Обзор данных для проверочного проекта по линейной регрессии

Конструирование признаков (Feature Engineering) и подготовка дан

Обзор Feature Engineering
Работа с выбросами (outliers)
Работа с отсутствующими данными (missing data) - Часть 1
Работа с отсутствующими данными (missing data) - Часть 2
Работа с отсутствующими данными (missing data) - Часть 3
Работа с категориальными переменными

Кросс-валидация и Проверочный проект по линейной регрессии

Обзор раздела про кросс-валидацию
Разбиение Train | Test Split
Разбиение Train | Validation | Test Split
Кросс-валидация - cross_val_score
Кросс-валидация - cross_validate
Поиск по сетке - Grid Search
Случайный поиск - Random Search
Обзор проверочного проекта по линейной регрессии
Решения для проверочного проекта по линейной регрессии

Логистическая регрессия

Обзор раздела про логистическую регрессию
Теория логистической регрессии - Часть 1 - Логистическая функция
Теория логистической регрессии - Часть 2 - От линейной к логист.
Теория логистической регрессии - Часть 3 - Математика перехода
Теория логистической регрессии - Часть 4 - Поиск графика
Логистическая регрессия в Scikit-Learn - Часть 1 - EDA
Логистическая регрессия в Scikit-Learn - Часть 2 - Модель
Метрики классификации - Confusion Matrix и Accuracy
Метрики классификации - Precision, Recall и F1-Score
Метрики классификации - ROC-кривые
Логистическая регрессия в Scikit-Learn - Часть 3 - Оценка модели
Мульти-классовая классификация - Логистическая регрессия - EDA
Мульти-классовая классификация - Логистическая регрессия -Модель
Проверочный проект по логистической регрессии
Решения для проверочного проекта по логистической регрессии

Метод К-ближайших соседей (KNN - K-Nearest Neighbors)

Обзор раздела про метод К-ближайших соседей
Теория метода К-ближайших соседей
KNN: пишем код в Python - Часть 1
KNN: пишем код в Python - Часть 2
Проверочные упражнения по KNN
Решения для проверочных упражнений по KNN

Метод опорных векторов (SVM - Support Vector Machines)

Обзор раздела про метод опорных векторов
История метода опорных векторов
Теория метода опорных векторов - Гиперплоскости и зазоры
Теория метода опорных векторов - ядра (kernels)
Теория метода опорных векторов - "kernel trick" и математика
SVM в Scikit-Learn для задач классификации - Часть 1
SVM в Scikit-Learn для задач классификации - Часть 2
SVM в Scikit-Learn для задач регрессии
Проверочные упражнения по методу опорных векторов
Решения для проверочных упражнений по методу опорных векторов

Деревья решений - Decision Trees

Обзор раздела про деревья решений
Деревья решений - История
Деревья решений - Терминология
Деревья решений - метрика "Gini Impurity"
Построение деревьев решений с помощью Gini Impurity - Часть 1
Построение деревьев решений с помощью Gini Impurity - Часть 2
Код в Python для деревьев решений - Часть 1 - Данные
Код в Python для деревьев решений - Часть 2 - Модель

Случайные леса - Random Forests

Обзор раздела про случайные леса
История и мотивация создания случайных лесов
Гиперпараметры случайного леса - Обзор
Гиперпараметры случайного леса - Количество деревьев и Признаков
Гиперпараметры случайного леса - Bootstrapping и oob_score
Классификация данных с помощью RandomForestClassifier - Часть 1
Классификация данных с помощью RandomForestClassifier - Часть 2
Регрессия с помощью RandomForestRegressor - Часть 1 - Данные
Регрессия с помощью RandomForestRegressor - Часть 2 - Модели 1
Регрессия с помощью RandomForestRegressor - Часть 3 - Модели 2
Регрессия с помощью RandomForestRegressor - Часть 4 - Модели 3

Бустинг и Расширяемые деревья - Boosted Trees

Обзор раздела про бустинг
История возникновения бустинга
AdaBoost - Теория - Как работает адаптивный бустинг
AdaBoost - Код в Python - Данные
AdaBoost - Код в Python - Модель
Градиентный бустинг - Теория
Градиентный бустинг - Пишем код в Python

Проверочный проект по моделям обучения с учителем (Supervised Le

Обзор проверочного проекта
Разбор решений - Часть 1 - Исследование данных (EDA)
Разбор решений - Часть 2 - Анализ оттока (Churn Analysis)
Разбор решений - Часть 3 - Модели на основе деревьев решений

Natural Language Processing и Наивный Байесовский Классификатор

Обзор раздела про NLP и Наивный Байесовский алгоритм
Наивный Байесовский алгоритм - Часть 1 - Теорема Байеса
Наивный Байесовский алгоритм - Часть 2 - сам алгоритм
Извлечение признаков из текста - Теория
Извлечение признаков из текста, "Мешок слов" - пишем код вручную
Извлечение признаков из текста с помощью Scikit-Learn
Классификация текста - Часть 1
Классификация текста - Часть 2
Проверочные упражнения по классификации текста
Решения для проверочных упражнений по классификации текста

Машинное обучение без учителя - Unsupervised Learning

Обзор обучения без учителя - Unsupervised Learning

Кластеризация К-Средних - K-Means Clustering

Обзор раздела про кластеризацию К-средних
Принципы кластеризации данных (без привязки к алгоритму)
Теория кластеризации К-средних
Кластеризация К-средних - Пишем код - Часть 1
Кластеризация К-средних - Пишем код - Часть 2
Выбираем количество кластеров К - Теория
Выбираем количество кластеров К - Пишем код в Python
Квантование цветов - Теория
Квантование цветов - Пишем код в Python
Проверочные упражнения по кластеризации К-средних
Решения для проверочных упражнений - Часть 1
Решения для проверочных упражнений - Часть 2
Решения для проверочных упражнений - Часть 3

Иерархическая кластеризация данных

Обзор раздела про иерархическую кластеризацию
Теория и интуиция иерархической кластеризации
Иерархическая кластеризация - Пишем код, часть 1 - Данные
Иерархическая кластеризация - Пишем код, часть 2 - Scikit-Learn

DBSCAN - Кластеризация на основе плотности данных

Обзор раздела про кластеризацию DBSCAN
Теория алгоритма DBSCAN
Сравниваем DBSCAN и K-Means Clustering
Ключевые гиперпараметры DBSCAN - Теория
Ключевые гиперпараметры DBSCAN - код в Python
Проверочные упражнения по DBSCAN
Решения для проверочных упражнений по DBSCAN

Метод главных компонент (PCA - Principal Component Analysis)

Обзор раздела про метод главных компонент
Теория метода главных компонент - Часть 1 - История и интуиция
Теория метода главных компонент - Часть 2 - Математика
Реализация метода главных компонент вручную
Метод главных компонент в Scikit-Learn
Проверочные упражнения по методу главных компонент
Решения для проверочных упражнений по методу главных компонент

Резюме курса

Пройдите короткий тест
Резюме курса
Финальные шаги


В программу входят:

3 курса
428 уроков
71 час 32 минуты видео
42 теста
Автор: Влад Бурмистров






СЛИВ СКЛАДЧИН

Для просмотра скрытого содержимого вы должны зарегистрироваться