Слайд 8
![Программа курса Методология CRISP-DM. Прикладные задачи решаемые специалистами по анализу данных.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/791024/slide-7.jpg)
Программа курса
Методология CRISP-DM. Прикладные задачи решаемые специалистами по анализу данных. Библиотеки
Python для анализа данных и машинного обучения
Numpy. Оптимизированные векторные вычисления
Scipy. Статистические исследования
Matplotlib, seaborn, plotly. Визуальный анализ данных
Pandas. Форматы данных, особенности считывания и записи данных, отображение данных, индексы, срезы, Series, DataFrame
Pandas. Преобразование данных, фильтрация, агрегация, обработка пропусков в данных, статистические методы
Pandas. Работа с категориальными данными, работа с временными признаками, мульти индексы, оптимизация данных и вычислений, работа с большими объёмами данных
Проект «Разведывательный анализ данных»
Задачи машинного обучения. Инструменты решения задач машинного обучения
Scikit-learn. Классификация