[Stepik] Введение в соревновательный Data Science (Александр Миленькин, Иван Александров)

​

Разбираемся в тонкостях соревновательного анализа данных. Прокачиваемся в построении моделей машинного обучения с максимальной точностью. Минимум теории, максимум практики для победы в чемпионатах.

Курс поможет тебе разобраться в самых эффективных и хорошо зарекомендовавших себя техниках построения моделей на основе машинного обучения. По ходу курса, ты будешь практиковаться тюнить ML модели на реальных данных. Выполнять упражнения. Программировать на Python. Используя продвинутые техники feature engineering'а, ты будешь преобразовывать данные в максимально информативный для моделей вид.

Решенную по ходу курса задачу на Kaggle, можно будет использовать в качестве портфолио для демонстрации будущим работодателям. Полученные знания помогут как в участии в соревнованиях на Kaggle, так и в прохождении собеседований на позицию аналитика данных (Data Scientist).

Чему вы научитесь

• Строить конкурентно-способные и стабильные модели с максимальным качеством
• Понимать практические методы из статистики, полезные для ML
• Отвечать на частые вопросы про построение моделей на собеседованиях.
• Увеличивать свои шансы при участии в соревнованиях по анализу данных
• Реализовывать изученные техники на Python

Для кого этот курс

• Курс подойдет всем начинающим аналитикам данных, кто хочет уметь строить ML модели с максимальной точностью.

Начальные требования

• Базовые навыки програмирования на Python
• Знания основ машинного обучения
• Владение школьным курсом математики