Программа повышения квалификации направлена на получение навыков работы c языком программирования Python для анализа больших данных.

В рамках данной программы слушатели изучат:

• Основные типы данных языка Python
• Алгоритмы для построения прогнозных моделей и моделей классификации
• Визуализации данных
• "Очистка" и подготовка данных для построения моделей
• Времянные ряды
• Применения языка Python и алгоритмов МО в бизнес-процессах

Обучение состоит из 6 модулей:

1. Библиотеки языка программирования Python.

•     Основные назначения и функции библиотек;

•     Виды библиотек для анализа данных: Pandas, Numpy, Statsmodels, Sklearn, Seabourne;

•     Виды библиотек для визуализации данных;

2. Типы и структуры данных в Python.

•     Разновидности типов данных: Integer, float, bool, srting, object;

•     Разновидности структур данных: Dataframe, series, массив, кортежи, списки и др.;

3. Загрузка данных в программу и предварительный анализ.

•     Загрузка данных разного формата (xlsx, csv, html и др.);

•     Выявления количества строк и колонок;

•     Выявление пропущенных значений;

•     Выявление типов данных в матрице;

4. Функции Python для анализа данных.

• Функции для получения описательной статистики (нахождение max, min, среднее, медианное значение, квартили);

• Функции для визуализации плотности распределения данных(Нормальное Гауссово распределение);

• Функции для создания бинарных переменных (dummies var);

• Функции алгоритмов машинного обучения для построения моделей( Метод наименьших квадрат, метод опорных векторов, случайных лес, логистическая регрессия, временные ряды);

5. Построение регрессионных моделей.

• Цель построения линейных регрессий по методу МНК;

• Выдвижение гипотез и постановка задачи (на основе рабочих данных);

• Построение регрессионной модели в Python;

• Оценка значимости полученных коэфф и модели в целом(t-статистика, F-статистика);

• Оценка качества модели (R2);

• Проверка предпосылок Гаусса-Маркова;

• Интерпретация полученных результатов;

6. Построение моделей классификации.

• Алгоритм Random Forest;

• Логистическая регрессия;

• Метод опорных векторов;

Продолжительность обучения – 36 часов (24 часов аудиторных занятий с преподавателем, 12 часа - самостоятельное изучение материалов).

Форма обучения – очная с возможностью дистанционного подключения.

Стоимость обучения: 30 800 рублей.

Начало занятий - Весна 2024 года

Договоры на обучение заключаются с физическими и юридическими лицами.

Запись на курсы проводится по электронной почте hsmi-dopobr@mail.ru (для физических лиц) или с  помощью формы регистрации на странице сайта. 

Телефон деканата факультета: +7 (495) 932- 80- 73

Информация обновлена 30.06.2023