Николай Пекальн

Директор по аналитике; Аналитик данных

г. Москва

Николай Пекальн

Директор по аналитике; Аналитик данных

г. Москва

Николай получил красный диплом, изучив в МГУ теоретическую физику и основы преподавательской деятельности по этому предмету. Работал учителем физики и механики в МГУ, а позднее погрузился в аналитику данных. За 9 лет в сфере data science успел поработать с крупными компаниями, среди которых Wildberries и Юла. Сейчас руководит аналитикой в сервисе такси Везёт.

На курсах Николай знакомит обучающихся с инструментами для анализа данных, основами машинного обучения и Python в науке о данных.

Направление

Программирование

Рейтинг курсов

4,8

ProductStar

Преподаватель по аналитике данных, data science, основам Python в анализе данных

ГК «Везёт»

Директор по аналитике и машинному обучению

МГУ

Преподаватель теоретической механики на физическом факультете

Вечерняя физическая школа при МГУ

Учитель физики

Программа курса

Курс включает в себя теоретические и практические задания, основанные на реальных примерах, для лучшего понимания программы обучения.

Введение в Python

Типы данных, функции, классы, ошибки

Строки, условия, циклы

Списки и словари в Python

Пакеты, файлы, Pandas — начало

Pandas: продолжение

Визуализация данных

Работа с базами данных

Многопоточность

10.

Веб-сервер flask и контроль версий Git

11.

Итоговый проект

Показать всеСкрыть

Чему вы научитесь

Работать с базами данных

Парсить веб-страницы

Использовать библиотеку NumPy и Pandas

Писать автоматические скрипты

Создавать функции

Преподаватели

Николай Пекальн

Директор по аналитике; Аналитик данных

Ришат Исхатов

Senior Analytics Manager в Delivery Hero

Преподаватели

Николай Пекальн Ришат Исхатов

Подробнее

На сайт

4,8

Data Science: быстрый старт от ProductStar

2 Месяца

42 642 ₽

105 984 ₽

Ещё -2,23% по промокоду

Подробнее

На сайт

Программа курса

Вы освоите работу с большими массивами данных, используя машинное обучение и Python. Обучение включает в себя большое количество практических заданий, при выполнении которых вы закрепите полученные знания.

Python, быстрый старт: типы данных, функции, классы, ошибки

Python, быстрый старт: строки, условия, циклы, списки и словари

Библиотеки для анализа данных: Pandas

Библиотеки для анализа данных: визуализация

Знакомство с машинным обучением

Основные модели машинного обучения: линейная регрессии

Бинарная классификация

Валидация. Почему это важно

Решающие деревья

10.

Feature Engineering, Feature Selection

11.