logo

Alem School

9

Python and Basic Machine Learning

500 000 ₸
Подать заявку
Выделено 15 Квот

Курс Python and Basic Machine Learning от Alem School направлен на практическое освоение Python, работы с данными и базовых методов машинного обучения через последовательные учебные проекты. Программа рассчитана на 26 недель и 650 академических часов и построена на проектно-ориентированном обучении, peer-to-peer формате, самостоятельной работе, взаимной проверке, код-ревью и менторской поддержке. В ходе курса студенты проходят Python Intensive, закрепляют навыки программирования, осваивают работу с CSV, NumPy, Pandas, Matplotlib, базовую статистику, прикладную математику, Scikit-learn, регрессию, классификацию, кластеризацию и итоговый ML-проект. Содержание курса выстроено по принципу постепенного усложнения: от базового синтаксиса Python и алгоритмических задач — к анализу данных, построению простых ML-моделей, оценке их качества и презентации результата. Главным преимуществом курса является доступный и практичный формат: студент не перегружается сложной академической теорией, а сразу применяет Python и ML-инструменты в реальных заданиях и проектах. Практическая ценность программы заключается в том, что выпускник сможет писать код на Python, работать с данными, строить базовые модели машинного обучения, оценивать их качество и оформлять результат в виде полноценного проекта. По итогам обучения студент получает квалификацию Python Developer (Beginner Level) with Basic Machine Learning Skills и практическую базу для дальнейшего развития в анализе данных, AI и machine learning.

Особые условия

Особые условия: нет Критерии отбора студентов (при наличии): прохождение логической игры и/или собеседование (онлайн или телефонное интервью)

Детали курса

Уровень

Для всех

Формат обучения

Оффлайн

Вступительные экзамены

Нет

Длительность, в неделях

26

Язык обучения

Английский

Квалификация

junior

Навыки


По окончании обучения студент получает квалификацию Python Developer (Beginner Level) with Basic Machine Learning Skills. Приобретаемые навыки и квалификация по окончании учёбы Hard skills: • Программирование на языке Python. • Работа с переменными, типами данных, условиями и циклами. • Работа со строками, списками, словарями, множествами и кортежами. • Создание и использование функций. • Работа с модулями и базовой структурой программы. • Работа с файлами. • Обработка ошибок и исключений. • Использование Git на базовом уровне. • Работа с командной строкой. • Решение простых алгоритмических задач. • Отладка и исправление ошибок в коде. • Работа с CSV-файлами и табличными данными. • Использование NumPy для базовых вычислений. • Использование Pandas для анализа и обработки данных. • Очистка и подготовка данных. • Расчет базовых статистических показателей. • Построение простых графиков и визуализаций. • Понимание базовой статистики для анализа данных. • Работа с векторами и матрицами на прикладном уровне. • Понимание корреляции, вероятности, дисперсии и стандартного отклонения. • Понимание функции ошибки и базовой логики обучения модели. • Использование Scikit-learn. • Разделение данных на обучающую и тестовую выборки. • Создание простых моделей машинного обучения. • Работа с линейной регрессией. • Работа с логистической регрессией. • Использование деревьев решений. • Решение задач регрессии. • Решение задач классификации. • Применение базовой кластеризации. • Использование K-means. • Оценка качества ML-моделей. • Работа с метриками MAE, MSE, accuracy, precision, recall. • Построение и интерпретация confusion matrix. • Подготовка простого ML-проекта от данных до результата. • Презентация результатов анализа и модели. Soft skills: • Самостоятельное обучение в формате peer-to-peer learning. • Умение работать без постоянного преподавателя. • Умение читать задание и планировать решение. • Умение искать информацию в документации. • Участие во взаимной проверке проектов. • Умение давать и принимать обратную связь. • Командное обсуждение технических решений. • Умение объяснять свой код и выбранный подход. • Развитие аналитического мышления. • Постепенное решение задач разной сложности. • Ответственное отношение к срокам выполнения проектов. • Навык презентации итогового проекта. • Развитие проектного мышления. • Умение доводить задачу до результата. Квалификация по окончании обучения: По завершении программы студент получает квалификацию Python Developer (Beginner Level) with Basic Machine Learning Skills.

Частые вопросы

Похожие курсы

Другие курсы от Alem School