Это язык программирования, который широко используется для создания различных приложений, веб-сайтов, игр и многого другого. Python также является одним из наиболее популярных языков программирования для анализа данных и машинного обучения. В рамках дисциплины вы освоите его простой и понятный синтаксис, доступный для начинающих разработчиков.
Это набор математических методов и техник, используемых для обработки и анализа данных. В рамках дисциплины вы освоите статистику, теорию вероятности, линейную алгебру и дифференциальные уравнения. Владение этими концепциями поможет вам лучше понимать и анализировать данные и может пригодиться в различных областях, включая науку о данных, машинное обучение и бизнес-анализ.
Это область, связанная с разработкой алгоритмов и моделей, которые позволяют компьютерам обучаться на основе данных и принимать решения на основе этого обучения. Дисциплина включает в себя изучение методов машинного обучения, таких как нейронные сети, решающие деревья и метод опорных векторов.
Эта дисциплина познакомит вас с различными библиотеками Python для работы с данными, такими как NumPy, Pandas и Matplotlib. В рамках дисциплины вы узнаете о том, как использовать эти библиотеки для обработки и анализа данных, визуализации данных и машинного обучения.
Эта дисциплина познакомит вас с основами работы с программой Microsoft Excel. В рамках дисциплины вы узнаете о том, как создавать и форматировать таблицы, работать с формулами и функциями, а также использовать различные инструменты Excel для анализа данных.
Эта дисциплина познакомит вас с принципами гибких методологий в управлении проектом и продуктом. В рамках дисциплины вы узнаете о том, как использовать гибкие методологии для управления проектами и продуктами, а также о принципах Agile-разработки и Scrum.
В рамках дисциплины вы познакомитесь с основами машинного обучения, изучите различные алгоритмы машинного обучения, такие как линейная регрессия, деревья решений и нейронные сети, а также узнаете о том, как использовать эти алгоритмы для решения задач классификации и регрессии.
Математика для анализа данных
Искусственный интеллект и машинное обучение
Гибкие методологии в управлении проектом и продуктом
Основы машинного обучения