Скачать
Скачать
Скачать
Kail
Организатор
Проверенный
- Регистрация
- 09.04.2020
- Сообщения
- 353 752
- Реакции
- 32 523
- Монеты
- 1 191
- Оплачено
- 0
- Баллы
- 0
- #SkladchinaVip
- #1
[МФТИ] Разработчик. Часть 1. Применение Python в статистическом анализе данных [Олег Ивченко]
Дополнительное профессиональное образование Физтех-школа прикладной математики и информатики МФТИ приглашает пройти обучение на программе Разработчик.
Обучение проводится совместно с основной магистратурой Алгоритмы и технологии программирования.
Предназначена для желающих изучить 2 популярных языка программирования по индексу TIOBE: Python и Java. Помимо этого, программа дает старт в основных технологиях разработки web-сайтов на базе языков JavaScript и C#.
Набор знаний, полученный в рамках данной программы, позволит стартовать в таких сферах IT как разработка клиент-серверных приложений, разработка кроссплатформенных приложений для ПК и анализе данных.
Применение Python в статистическом анализе данных:
Модуль 1 - Знакомство с Python
- Ссылка на картинку
-
Дополнительное профессиональное образование Физтех-школа прикладной математики и информатики МФТИ приглашает пройти обучение на программе Разработчик.
Обучение проводится совместно с основной магистратурой Алгоритмы и технологии программирования.
Предназначена для желающих изучить 2 популярных языка программирования по индексу TIOBE: Python и Java. Помимо этого, программа дает старт в основных технологиях разработки web-сайтов на базе языков JavaScript и C#.
Набор знаний, полученный в рамках данной программы, позволит стартовать в таких сферах IT как разработка клиент-серверных приложений, разработка кроссплатформенных приложений для ПК и анализе данных.
Применение Python в статистическом анализе данных:
Модуль 1 - Знакомство с Python
- Введение, почему Python, основные библиотеки, установка.
- Запуск Jupyter, структура Notebook-а, клетки, команды.
- Основы Python – объекты, функции, типы, импорты, control flow.
- Структуры данных (листы, кортежи, словари, set-ы), функции (аргументы, lambda-функции), работа с файлами.
- Числовые (numpy-)массивы, индексы, арифметика, оси и транспонирование, функции.
- Векторизация, логика, сортировка, агрегация, чтение и запись numpy в файл, линейная алгебра. Внутренности ndarray, конкатенация, tile, broadcasting, снова сортировки, быстрый NumPy – Numba.
- Типы (Series, DataFrame), операции: индексы, drop, арифметика, функции, сортировка, ранжирование, статистика.
- Текстовые файлы, JSON, XML и HTML, бинарные форматы (HDF5), доступ к API, БД.
- Фильтрация, binning, outlier-ы, sampling, индикаторы, dummy-переменные, строки.
- Иерархические индексы, join, merge, конкатенация, reshape, pivoting. GroupBy (dict, series, функция), split-apply-combine, квантили. Категориальные данные, еще немного GroupBy, метод pipe.
- Matplotlib: figures, subplots, colors, markers, ticks, labels; линейные графики, гистограммы, scatterplot-ы
- Машинное обучение в Python