PYTHON И ИНСТРУМЕНТЫ
МАШИННОГО ОБУЧЕНИЯ

КУРС
  • Основы языка Python
  • Функции и ООП в Python
  • Работа с наборами данных
  • Модули для первичного анализа данных и для машинного обучения
  • Автоматизация рутинных задач
дней
часов
минут
секунд
29:05:56:36
71 000₽

Освойте основной инструмент
машинного обучения

Мы свяжемся с вами в ближайшее время и расскажем подробнее о курсе.
Я ранее проходил обучение на курсах/программах МФТИ / Я являюсь сотрудником МФТИ
Мне удобно следующее количество платежей равными суммами:
У меня уже есть или я в данный момент получаю высшее/среднее профессиональное образование:
Нажимая кнопку " Оставить заявку", вы даете согласие на получение информационных писем от ФПМИ по e-mail и в мессенджерах.
Длительность обучения
2 месяца, 8 ак.ч. в неделю
Формат
Онлайн вебинары с преподавателем
Старт
31 августа 2022
Дни занятий
Понедельник и среда,
19:00 - 22:00
Подписка на рассылку новостей ФПМИ МФТИ
Хотите быть в курсе предстоящих событий и новых программ?
Тогда подпишитесь на нашу рассылку.
Подписка на новости
На курсе мы покажем, как устроен основной инструмент анализа данных в индустрии: что такое объект и как с ним работать, чем именно отличаются изменяемые и неизменяемые объекты, и почему же они так важны, как проводить первичный анализ данных - от обработки и агрегации данных до построения графиков и аналитических отчетов.

Курс состоит из двух модулей.
В первом модуле "Python: основы языка" вы освоите стартовые навыки программирования на языке Python, а во втором модуле "Python для анализа данных и машинного обучения" вы изучите модули, используемые аналитиками и дата-сайентистами.

В качестве финального проекта слушателям будет предложено реализовать один из алгоритмов машинного обучения. При выполнении задания потребуется применить навыки программирования на Python, полученные в течение курса, а также пройти основные шаги:
- сравнение качества работы нескольких моделей
- оптимизация гиперпараметров лучшей модели с помощью кросс-валидации
- проверка модели на тестовой выборке
- интерпретация результатов
- итоговое представление результатов работы

Проект выполняется самостоятельно под руководством преподавателя курса. Цель - применить полученные знания на практике при решении комплексного задания.




Описание курса

На курсе вы получите

Практические кейсы, взятые из реальной жизни, на применение Pandas, Numpy, модулей визуализации (Matplotlib, Seaborn и т.д.) и других библиотек Python


Постоянное живое общение с преподавателем МФТИ на вебинарах и в телеграмм-чате группы
Материалы (запись занятия, конспект) навсегда доступны в личном кабинете
Ответы на все свои вопросы по ходу курса от преподавателя
Обратную связь на интересные домашние задания
Удостоверение о повышении квалификации МФТИ

Для кого курс?

Для тех, кто хочет начать карьеру в анализе данных
Получите навыки анализа данных на Python и начните формировать свое проектное портфолио прямо на курсе
Маркетологам
Научитесь легко работать с данными, получать из них инсайты, начните лучше анализировать эффективность маркетинговых кампаний и грамотно проводить тестирование гипотез
Предпринимателям и руководителям
Найдите точки роста бизнеса с помощью анализа данных, начните общаться на одном языке с техническими специалистами из вашей команды
Продакт-менеджерам
Получите навыки программирования на Python и начните общаться на одном языке с разработчиками из вашей команды
Начинающим аналитикам
Поднимите свою стоимость на рынке, расширив свой инструментарий и набор задач, которые вы можете решать
Кто может получить дополнительное профессиональное образование
Курсы повышения квалификации или профессиональной переподготовки могут проходить две категории слушателей:

  • те, у кого уже есть среднее или высшее профессиональное образование;
  • те, кто еще учится в колледжах или вузах и не получил диплом.
Студенты колледжей и вузов могут параллельно учиться по программам ДПО, но удостоверения о повышении квалификации или дипломы о профессиональной переподготовке им выдадут только после того, как будет окончен курс основного образования и на руках у выпускника будет диплом вуза или колледжа.

"Физтех-школа прикладной математики и информатики (ФПМИ) МФТИ – безусловно ведущий мировой центр науки и образования в области математики и информатики. Особенность нашей школы заключается в том, что она сочетает в себе активную научную деятельность и тесную связь с индустрией. На сегодняшний день школа включает в себя 28 кафедр и 22 лаборатории от ключевых академических институтов и ключевых представителей IT-индустрии: Яндекс, Тинькофф, Сбербанк, VK, Abbyy, 1C, Huawei и другие.

Наша школа и МФТИ в целом гордимся своими выпускниками, например, мы занимаем первое место в рейтинге вузов России по уровню зарплат занятых в IT-отрасли специалистов "

Доктор физико-математических наук, профессор, директор Физтех-школы прикладной математики и информатики (ФПМИ).
Андрей Райгородский о ФПМИ МФТИ

Факты о МФТИ - нам есть, чем гордиться!

Факт 1
МФТИ вошел в 50 лучших вузов мира по физике и в 100 лучших по математике по результатам рейтинга QS World University Rankings by Subject 2021
Факт 2
В общих рейтингах лучших университетов мира Times Higher Education и Quacquarelli Symonds МФТИ занимает первое место среди технических вузов России
Факт 3
Двенадцать выпускников МФТИ вошли в список Forbes
Факт 4
2 выпускника МФТИ стали Нобелевскими лауреатами по физике в 2010 году
Факт 5
Среди молодых IT-специалистов, окончивших вузы в 2014-2019 годах, самые высокие зарплаты - 230 тыс. рублей в месяц - у выпускников Московского физико-технического института. Таковы результаты ежегодного исследования, проведенного порталом Superjob
Расписание курсов ФПМИ МФТИ 2021/2022
  • Магистрант МФТИ, кафедра распознавания изображений и обработки текста
  • Сотрудник лаборатории ABBYY Lab
  • Преподаватель курсов "Практикум Python" и "Технологии программирования" в МФТИ

Преподаватель -
Никита Честнов

Программа курса

1 модуль "Python: основы языка"

Занятие 1. Знакомство с Python (часть 1)
- Введение в Python
- Работа в Jupyter Notebook и Google Colab
- Числовые типы данных
- Условия и циклы
Занятие 2. Знакомство с Python (часть 2) - Управление вычислениями. Контейнеры

- Списки, кортежи, словари, множества
- Циклы for и while
- List, dict, set comprehensions

Занятие 3. Функциональное программирование в Python

- Базовый синтаксис: объявление/вызов, аргументы по умолчанию
- Рекурсия
- Передача по ссылке
- Конструкции args, kwargs
- Распаковка контейнеров при вызове
- Генераторы
- Области видимости
- Замыкания
- Объектная природа функций
- Декораторы
- Лямбда-функции
Занятие 4. Классы в Python (часть 1)
- Основные принципы ООП
- Объявление класса, создание экземпляра
- Атрибуты и методы класса
- Наследование. Множественное наследование. Ромбовидное наследование.
- Приватность атрибутов
Занятие 5. Классы в Python (часть 2)
- Объектно-ориентированный подход к созданию итераторов и генераторов
- Магические методы
- Перегрузка операторов
Занятие 6. Исключения, модули, встроенный модуль
- Устройство исключений
- Создание и работа с модулями
- Встроенный модуль python
- Работа с файловой системой
Занятие 7. Модуль Numpy

- Обзор модуля
- Оптимизация кода с помощью Numpy
- Работа со строками
- Анализ многомерных массивов в Numpy


2 модуль "Python для анализа данных и машинного обучения"

Занятие 8. Введение в анализ данных с помощью Pandas (часть 1)

- Введение в анализ данных в Pandas
- Чтение текстовых файлов
- Индексы, мультииндекс
- Операции с колонками и строками
- Навигация по таблице
- Работа с несколькими таблицами
- Чтение-запись таблиц в файл, формат хранения данных .csv
Занятие 9. Введение в анализ данных с помощью Pandas (часть 2)
- API pandas+matplotlib для более компактного построения графиков
- Первичный анализ и очистка данных
- Фильтрация строк по условию, группировка данных

Занятие 10. Модули для визуализации данных
- Введение в matplotlib
- Визуализация данных при помощи графиков и гистограмм
- Другие модули для визуализации
Занятие 11. Python и web: обзор
- Протокол HTTP, Домены, URL, HTTP-сообщения, основы HTML
- Парсинг данных
- Парсинг и автоматизация взаимодействия с веб
- Введение в git, unix
Занятие 12. Python для машинного обучения
- Основные задачи машинного обучения
- Примеры использования Python для машинного обучения
- Оценка эффективности построенных моделей
- Обзор модуля scikit-learn
- Финальный проект



В середине курса запланированы недельные каникулы для того, чтобы было время завершить домашние задания, еще раз пересмотреть в записи пройденные занятия и закрепить материал.

Наша рекомендация

После завершения курса "PYTHON И ИНСТРУМЕНТЫ МАШИННОГО ОБУЧЕНИЯ" Вы можете продолжить свое обучение на курсах:
и получить Диплом о профессиональной переподготовке МФТИ по программе:
"Профессия DATA SCIENTIST"
Отзывы
Александр Северинов
Специалист по анализу данных, отдел прогнозирования спроса в Ozon
В прошлом году рынок e-commerce и digital вырос примерно на 20-25%. OZON вырос более чем на 70% в обороте. С такими высокими темпами роста нам очень не хватает крутых специалистов по анализу данных, которые готовы браться за решение реальных бизнес-задач. Ребята из ФПМИ МФТИ проделали отличную работу, собрав курс на 90% состоящий из практики.

Выпускники такого курса получают отличный старт в области анализа и аналитики данных.
Савва Степурин
Специалист по анализу данных в Яндекс.Дзен
Ребята из ФПМИ МФТИ сделали просто огненный курс. Здесь очень много практики, реальных кейсов и просто крутая подача. Индустрия растёт очень быстро, поэтому я очень рекомендую пройти этот курс всем, кто хочет быть на гребне волны в области анализа данных.
Сергей Рубцовенко
Специалист по анализу данных и ML-разработчик в Zalando (Берлин)
"Первичный анализ данных в Python" — это курс, который появился очень вовремя. Ребята знают, на какие навыки большой спрос в индустрии, и учат этим навыкам через большое количество практики. Обучение на практических кейсах сильно повышает ценность выпускников курса в глазах работодателей.
Александра Волохова
Преподавательница в ШАДе и исследовательница в Лаборатории компании Самсунг НИУ ВШЭ
Преподаватель всегда тщательно готовится к семинарам, подбирает интересные примеры и понятно объясняет сложные концепции на наглядных картинках и схемах. Ему очень важно, чтобы студентам все было понятно, поэтому он активно взаимодействует с аудиторией, мотивирует студентов задавать вопросы и подробно на них отвечает. С таким лектором слушатели получат много полезной и структурированной информации, а также удовольствие от лекций.
Елена
Руководитель регионального подразделения "Дальневосточный банк ПАО Сбербанк"
Один из приоритетов сегодня - навыки анализа данных посредством машинного обучения. Поэтому я отдала предпочтение данному курсу.
Мои ожидания оправдались: на ряду с общими принципами, какие инструменты и алгоритмы заложены в анализ данных, я также получила практический навык в решении задач, связанных с анализом данных.
Выполняя в основном управленческую функцию, теперь мне проще формировать задания для нашей команды, понимая функциональность и возможности Python.
Юрий Яровиков
Исследователь данных в Сбербанке, руководитель Школы глубокого обучения МФТ
Первичный анализ данных — это область, которую давно пора ввести в школьную программу, а язык Python — это инструмент, на котором анализ данных, в том числе и первичный, проводить наиболее удобно и естественно.

Партнеры ФПМИ

Успейте записаться на курс!

Первое занятие
31 августа 2022 года
29:05:56:36
дней
часов
минут
секунд
Скидка 20%
71 000₽
Предлагаем нашим слушателям рассрочку на оплату обучения
(только для физических лиц)
Days
Hours
Minutes
Seconds
Условия рассрочки
По каждой из предлагаемых программ/курсов, имеется возможность оплаты обучения в рассрочку.

Условия рассрочки:

Полная стоимость обучения при использовании рассрочки не изменяется. Рассрочка беспроцентна, оформление рассрочки бесплатно.

Детали рассрочки описаны в оферте на каждую соответствующую программу/курс, в Приложении № 1 – График платежей.

В Графике платежей указаны контрольные даты, на которые слушателем суммарно за всё предшествующее такой дате время должна быть перечислена указанная в графике платежей соответствующая сумма, или превышающая её сумма (но не более полной стоимости обучения). Например:

  • Оплата через равные промежутки времени платежами одинакового размера
  • Оплата одним платежом в размере стоимости всего обучения

Все описанные варианты допустимы, если на каждую из обозначенных в графике платежей дат внесено платежей на сумму не меньше указанной.