1. Основы программирования на Python + Python для анализа данныхВведение в программирование на Python
Анализ данных в Pandas и NumPy
Визуализация, очистка данных и Feature Engineering
Работа c файлами, HTML-страницами и API
2. Подгрузка данных
Выгрузка данных из разных источников с помощью Python
Выгрузка баз данных с помощью SQL
Выбор подходящих данных для решения зада
3. Разведывательный анализ данных
Разведывательный анализ с помощью Pandas, Numpy
Основы статистики и проверка статистических гипотез
ML-эксперименты
Использование ML-Flow
Feature Engineering
4. Введение в машинное обучение
Задачи классификации, регрессии и кластеризации
Отбор и селекция признаков
Валидация данных
Оптимизация гиперпараметров и улучшение качества модели
5. Математика и углубленное машинное обучение
Линейная алгебра
Матанализ и методы оптимизации
Основы теории вероятности
Основные модели машинного обучения
Оценка качества алгоритмов
6. ML в бизнесе
Математические и ML модели временных рядов
Рекомендательные системы
Мachine Learning в production
Оценка эффективности моделей в реальных бизнес-задачах
Дополнительные модули по Deep Learning и Data Engineering