[Udemy] DataSience от А до Я - Настроящая обработка данных с упраженениями

[Udemy] DataSience от А до Я - Настроящая обработка данных с упраженениями

[Udemy] DataSience от А до Я - Реальные задачи по обработке данных
Data Science A-Z™: Real-Life Data Science Exercises​

​

Спойлер: Описание

Extremely Hands-On... Incredibly Practical... Unbelievably Real! This is not one of those fluffy classes where everything works out just the way it should and your training is smooth sailing. This course throws you into the deep end. In this course you WILL experience firsthand all of the PAIN a Data Scientist goes through on a daily basis. Corrupt data, anomalies, irregularities - you name it! This course will give you a full overview of the Data Science journey. Upon completing this course you will know: <li style="">How to clean and prepare your data for analysis</li><li style="">How to perform basic visualisation of your data</li><li style="">How to model your data</li><li style="">How to curve-fit your data</li><li style="">And finally, how to present your findings and wow the audience</li> This course will give you so much practical exercises that real world will seem like a piece of cake when you graduate this class. <span></span>This course has homework exercises that are so thought provoking and challenging that you will want to cry... But you won't give up! You will crush it. In this course you will develop a good understanding of the following tools: <li style="">SQL</li><li style="">SSIS</li><li style="">Tableau</li><li style="">Gretl</li> This course has pre-planned pathways. Using these pathways you can navigate the course and combine sections into YOUR OWN journey that will get you the skills that YOU need. Or you can do the whole course and set yourself up for an incredible career in Data Science. The choice is yours. Join the class and start learning today! See you inside, Sincerely, Kirill Eremenko Successfully perform all steps in a complex Data Science project Create Basic Tableau Visualisations Perform Data Mining in Tableau Understand how to apply the Chi-Squared statistical test Apply Ordinary Least Squares method to Create Linear Regressions Assess R-Squared for all types of models Assess the Adjusted R-Squared for all types of models Create a Simple Linear Regression (SLR) Create a Multiple Linear Regression (MLR) Create Dummy Variables Interpret coefficients of an MLR Read statistical software output for created models Use Backward Elimination, Forward Selection, and Bidirectional Elimination methods to create statistical models Create a Logistic Regression Intuitively understand a Logistic Regression Operate with False Positives and False Negatives and know the difference Read a Confusion Matrix Create a Robust Geodemographic Segmentation Model Transform independent variables for modelling purposes Derive new independent variables for modelling purposes Check for multicollinearity using VIF and the correlation matrix Understand the intuition of multicollinearity Apply the Cumulative Accuracy Profile (CAP) to assess models Build the CAP curve in Excel Use Training and Test data to build robust models Derive insights from the CAP curve Understand the Odds Ratio Derive business insights from the coefficients of a logistic regression Understand what model deterioration actually looks like Apply three levels of model maintenance to prevent model deterioration Install and navigate SQL Server Install and navigate Microsoft Visual Studio Shell Clean data and look for anomalies Use SQL Server Integration Services (SSIS) to upload data into a database Create Conditional Splits in SSIS Deal with Text Qualifier errors in RAW data Create Scripts in SQL Apply SQL to Data Science projects Create stored procedures in SQL Present Data Science projects to stakeholders Anybody with an interest in Data Science Anybody who wants to improve their data mining skills Anybody who wants to improve their statistical modelling skills Anybody who wants to improve their data preparation skills Anybody who wants to improve their Data Science presentation skills Summary To sum up, I am absolutely and utterly passionate about both Data Science and Forex Trading and I am looking forward to sharing my passion and knowledge with you! Hi there, We are the SuperDataScience&nbsp;team. You will find us in the Data Science&nbsp;courses taught&nbsp;by Kirill Eremenko - we are here to help you out with any questions and make sure your journey through the courses is always smooth sailing! The best way to get in touch is to post a discussion in the Q&amp;A of the course you are taking. In most cases we will respond within 24 hours. We're passionate about helping you enjoy the courses! See you in class, Sincerely, The Real People at SuperDataScience ​

Чрезвычайно Практический... Невероятно Практично... Невероятно Реальные! Это не один из тех, пушистый классы, где все работает только так и надо и тренировки гладко. Этот курс погрузит вас в глубокий конец. В этом, конечно, вы испытаете всю боль ученым данные проходят через на ежедневной основе. Поврежденные данные, аномалии, нарушения - вы называете это! Этот курс даст Вам полный обзор научных данных путешествии. После завершения этого курса Вы будете знать: \ <ли стиль="">как очистить и подготовить данные для анализа</литий><литий стиль="">как выполнять базовые визуализации данных</литий><литий стиль="">как модель данных</литий><литий стиль="">как по кривым данных</литий><литий стиль="">и, наконец, как представить свои результаты и WoW аудитории</литий> этот курс даст вам так много практических упражнений, что реальный мир будет выглядеть как кусок пирога, когда вы выпускник этого класса. </span>, что этот курс домашних упражнений, которые так провокационно и сложной, что вам хочется плакать... но ты не сдавайся! Вы будете сокрушить его. В этом курсе вы будете развивать хорошее понимание следующих инструментов: \ <ли стиль="">среда SQL</литий><литий стиль="">служб ssis</литий><литий стиль="">таблицы</литий><литий стиль="">Гретель</литий> Этот курс имеет заранее спланированному пути. С помощью этих путей вы можете перемещаться по ходу и объединить разделы в собственное путешествие, которое будет вам навыки, которые вам нужны. Или вы можете сделать весь курс и настроить себя на невероятную карьеру в науке данных. Выбор за вами. Присоединиться к классу и начать обучение уже сегодня! Увидимся внутри, С уважением, Еременко Кирилл \ Успешно выполнить все шаги в сложной науке данных проекта Создать Базовый Визуализации Таблицы Выполнять интеллектуальный анализ данных в tableau Понять, как применить Хи-квадрат статистическая проверка Применение метода наименьших квадратов для создания линейной регрессии Оценки R-квадрат для всех типов моделей Оценить Скорректированный R-квадрат для всех типов моделей Создать простой линейной регрессии (зеркальные) Создать множественной линейной регрессии (МЛР) Создание Фиктивных Переменных Интерпретировать коэффициенты МЛР Чтение статистических данных программного обеспечения для создания моделей Использовать исключение, отбор и Двунаправленную ликвидации методов для создания статистической модели Создание логистической регрессии Интуитивно понять логистическую Регрессию Работать с ложных срабатываний и ложных негативов и знаю разницу Прочитать матрицу путаницы Создать надежную модель Геодемографическая Сегментация Преобразование независимых переменных для целей моделирования Получают новых независимых переменных для целей моделирования Проверка на мультиколлинеарность с помощью ВИФ и корреляционной матрицы Я понимаю, что интуиция мультиколлинеарности Применять кумулятивный профиль точность (крышка) для оценки моделей Построить кривую шапку в Excel Использование обучающих и тестовых данных для построения надежных моделей Извлечь выводы из Кривой крышкой Понять отношение шансов Выводят бизнес идеи из коэффициентов логистической регрессии Понять, что модель ухудшения на самом деле выглядит Применяются три уровня обслуживания модели для предотвращения ухудшения модель Установить и перейти на SQL сервер Установка и перейдите в Visual Studio оболочка Очистить данные и искать аномалии Использовать службы интеграции SQL сервер (ssis) для загрузки данных в базу данных Создать условный шпагат в ssis Ошибки Квалификатор текста в исходных данных Создавать скрипты в SQL Применение SQL для научных данных проектов Создание хранимых процедур в SQL Настоящее время научных данных проектов с заинтересованными сторонами Кто с интересом в области науки данных Всем, кто хочет улучшить свои навыки добычи данных Всем, кто хочет улучшить свои статистические навыки моделирования Всем, кто хочет улучшить свои навыки подготовки данных Всем, кто хочет улучшить свои научные данные навыки презентации Резюме Подводя итог, я абсолютно и совершенно увлечены как данные науки и Форекс, и я с нетерпением жду, чтобы поделиться своей страстью и знаниями с вами! Привет там, Мы SuperDataScience&nbsp;команда. Вы найдете нас в науке данных и nbsp;преподаваемые дисциплины и nbsp;Еременко Кирилл - мы здесь, чтобы помочь Вам с любыми вопросами и убедитесь, что ваш путь через курсы всегда гладко! Лучший способ войти в контакт, чтобы после обсуждения в Q&амп;a из курса Вы принимаете. В большинстве случаев мы ответим Вам в течение 24 часов. Мы увлечены помогая Вам посетить курсы! Увидимся в классе, С уважением, Реальные люди в SuperDataScience ​

​

Спойлер: Содержание

Curriculum Блок 1: Get Excited Урок 1 - Welcome to Data Science A-Z™ [04:41] Блок 2: What is Data Science? Урок 2 - Intro (what you will learn in this section) [00:44] Урок 3 - Profession of the future [06:58] Урок 4 - Areas of Data Science [05:58] Урок 5 - IMPORTANT: Course Pathways [05:52] Урок 6 - BONUS: Inspiring Data Science Interview [00:38] Блок 3: --------------------------- Part 1: Visualisation --------------------------- Урок 7 - Welcome to Part 1 [01:57] Блок 4: Introduction to Tableau Урок 8 - Intro (what you will learn in this section) [00:28] Урок 9 - Installing Tableau Desktop and Tableau Public (FREE) [06:08] Урок 10 - Challenge description + view data in file [02:32] Урок 11 - Connecting Tableau to a Data file - CSV file [05:17] Урок 12 - Navigating Tableau - Measures and Dimensions [08:42] Урок 13 - Creating a calculated field [06:14] Урок 14 - Adding colours [07:37] Урок 15 - Adding labels and formatting [11:00] Урок 16 - Exporting your worksheet [07:40] Урок 17 - Блок Recap [03:34] Блок 5: How to use Tableau for Data Mining Урок 18 - Intro (what you will learn in this section) [00:44] Урок 19 - Get the Dataset + Project Overview [07:12] Урок 20 - Connecting Tableau to an Excel File [03:56] Урок 21 - How to visualise an ad-hoc A-B test in Tableau [06:29] Урок 22 - Working with Aliases [04:05] Урок 23 - Adding a Reference Line [04:53] Урок 24 - Looking for anomalies [08:35] Урок 25 - Handy trick to validate your approach / data [09:13] Урок 26 - Блок Recap [05:04] Блок 6: Advanced Data Mining With Tableau Урок 27 - Intro (what you will learn in this section) [00:44] Урок 28 - Creating bins & Visualizing distributions [09:55] Урок 29 - Creating a classification test for a numeric variable [04:25] Урок 30 - Combining two charts and working with them in Tableau [08:31] Урок 31 - Validating Tableau Data Mining with a Chi-Squared test [10:29] Урок 32 - Chi-Squared test when there is more than 2 categories [08:15] Урок 33 - Visualising Balance and Estimated Salary distribution [11:04] Урок 34 - Bonus: Chi-Squared Test (Stats Tutorial) [19:12] Урок 35 - Bonus: Chi-Squared Test Part 2 (Stats Tutorial) [09:10] Урок 36 - Блок Recap [05:44] Урок 37 - Part Completed [01:38] Блок 7: --------------------------- Part 2: Modelling --------------------------- Урок 38 - Welcome to Part 2 [03:54] Блок 8: Stats Refresher Урок 39 - Intro (what you will learn in this section) [00:29] Урок 40 - Types of variables: Categorical vs Numeric [05:26] Урок 41 - Types of regressions [08:09] Урок 42 - Ordinary Least Squares [03:11] Урок 43 - R-squared [05:11] Урок 44 - Adjusted R-squared [09:56] Блок 9: Simple Linear Regression Урок 45 - Intro (what you will learn in this section) [00:37] Урок 46 - Introduction to Gretl [02:34] Урок 47 - Get the dataset [04:03] Урок 48 - Import data and run descriptive statistics [04:25] Урок 49 - Reading Linear Regression Output [06:48] Урок 50 - Plotting and analysing the graph [04:22] Блок 10: Multiple Linear Regression Урок 51 - Intro (what you will learn in this section) [01:15] Урок 52 - Caveat: assumptions of a linear regression [01:47] Урок 53 - Get the dataset [04:12] Урок 54 - Dummy Variables [08:05] Урок 55 - Dummy Variable Trap [02:10] Урок 56 - Ways to build a model: BACKWARD, FORWARD, STEPWISE [15:41] Урок 57 - Backward Elimination - Practice time [16:08] Урок 58 - Using Adjusted R-squared to create Robust models [10:17] Урок 59 - Interpreting coefficients of MLR [12:47] Урок 60 - Блок Recap [04:15] Блок 11: Logistic Regression Урок 61 - Intro (what you will learn in this section) [01:34] Урок 62 - Get the dataset [04:13] Урок 63 - Binary outcome: Yes/No-Type Business Problems [09:09] Урок 64 - Logistic regression intuition [17:03] Урок 65 - Your first logistic regression [08:04] Урок 66 - False Positives and False Negatives [08:01] Урок 67 - Confusion Matrix [04:57] Урок 68 - Interpreting coefficients of a logistic regression [10:03] Блок 12: Building a robust geodemographic segmentation model Урок 69 - Intro (what you will learn in this section) [01:01] Урок 70 - Get the dataset [07:32] Урок 71 - What is geo-demographic segmenation? [05:05] Урок 72 - Let's build the model - first iteration [08:26] Урок 73 - Let's build the model - backward elimination: STEP-BY-STEP [11:11] Урок 74 - Transforming independent variables [10:09] Урок 75 - Creating derived variables [06:09] Урок 76 - Checking for multicollinearity using VIF [08:11] Урок 77 - Correlation Matrix and Multicollinearity Intuition [08:20] Урок 78 - Model is Ready and Блок Recap [06:27] Блок 13: Assessing your model Урок 79 - Intro (what you will learn in this section) [00:37] Урок 80 - Accuracy paradox [02:11] Урок 81 - Cumulative Accuracy Profile (CAP) [11:16] Урок 82 - How to build a CAP curve in Excel [14:47] Урок 83 - Assessing your model using the CAP curve [07:11] Урок 84 - Get my CAP curve template [06:20] Урок 85 - How to use test data to prevent overfitting your model [03:34] Урок 86 - Applying the model to test data [08:09] Full Curriculum​

Учебный план Блок 1: Горячиться Урок 1 - Добро пожаловать в науку о данных а-Z™ [04:41] Блок 2: Что такое наука о данных? Урок 2 - Интро (то, что вы узнаете в этом разделе) [00:44] Урок 3 - Профессия будущего [06:58] Урок 4 - направления научных данных [05:58] Урок 5 - важно: тропа курс [05:52] Урок 6 - бонус: вдохновляющее данные науки интервью [00:38] Блок 3: --------------------------- Часть 1: Визуализация --------------------------- Урок 7 - Добро пожаловать в Часть 1 [01:57] Блок 4: Введение в tableau Урок 8 - Интро (то, что вы узнаете в этом разделе) [00:28] Урок 9 - Установка табло настольных и общественных доски (бесплатно) [06:08] Урок 10 - вызов описание + просмотр данных в файл [02:32] Урок 11 - Подключение таблицы в файл данных - файл CSV [05:17] Урок 12 - навигационные таблицы мер и размеры [08:42] Урок 13 - создание вычисляемого поля [06:14] Урок 14 - Добавление цветов [07:37] Урок 15 - Добавление меток и форматирование [11:00] Урок 16 - экспортеров лист [07:40] Урок 17 - Блок Повторение [03:34] Блок 5: Как использовать таблицы для анализа данных Урок 18 - Интро (то, что вы узнаете в этом разделе) [00:44] Урок 19 - получить набор данных + Обзор проекта [07:12] Урок 20 - Подключение таблицы в файл Excel [03:56] Урок 21 - как визуализировать специальной А-Б тестирование в tableau [06:29] Урок 22 - Работа с псевдонимами [04:05] Урок 23 - Добавление опорной линии [04:53] Урок 24 - Ищу аномалии [08:35] Урок 25 - удобный трюк, чтобы проверить свой подход / данных [09:13] Урок 26 - Блок Повторение [05:04] Блок 6: Расширенный Интеллектуальный Анализ Данных С Таблицы Урок 27 - Интро (то, что вы узнаете в этом разделе) [00:44] Урок 28 - создание ячеек распределений & визуализации [09:55] Урок 29 - создание тестовой классификации для числовой переменной [04:25] Урок 30 - совмещение двух графиков и работы с ними в tableau [08:31] Урок 31 - проверка данных таблицы добычи с помощью теста Хи-квадрат [10:29] Урок 32 - тест Хи-квадрат при наличии более чем 2 категории [08:15] Урок 33 - Отображение баланса и примерное распределение заработной платы [11:04] Урок 34 - Бонус: Тест Хи-Квадрат Статистики (Учебник) [19:12] Урок 35 - Бонус: Хи-Квадрат Тест, Часть 2 (Статистика Учебник) [09:10] Урок 36 - Блок Повторение [05:44] Урок 37 Часть Завершена [01:38] Блок 7: --------------------------- Часть 2: Моделирование --------------------------- Урок 38 - Добро пожаловать в Часть 2 [03:54] Блок 8: Статистика Повышения Квалификации Урок 39 - Интро (то, что вы узнаете в этом разделе) [00:29] Урок 40 - типы переменных: категорический против числовые [05:26] Урок 41 - типы регрессий [08:09] Урок 42 - Обычным Методом Наименьших Квадратов [03:11] Урок 43 - R-квадрат [05:11] Урок 44 - Скорректированный R-квадрат [09:56] Блок 9: Простая Линейная Регрессия Урок 45 - Интро (то, что вы узнаете в этом разделе) [00:37] Урок 46 - Введение в Гретель [02:34] Урок 47 - получить набор данных [04:03] Урок 48 - Импорт данных и описательной статистики [04:25] Урок 49 - Значение Выходная Линейная Регрессия [06:48] Урок 50 - построение и анализ графика [04:22] Блок 10: Множественная Линейная Регрессия Урок 51 - Интро (то, что вы узнаете в этом разделе) [01:15] Урок 52 - предостережение: предположения о линейной регрессии [01:47] Урок 53 - получить набор данных [04:12] Урок 54 - Фиктивные Переменные [08:05] Урок 55 - Переменная Капкан [02:10] Урок 56 - способы создания модели: назад, вперед, ступенчато [15:41] Урок 57 - исключение практикой [16:08] Урок 58 - используя Скорректированный R-квадрат для создания надежных моделей [10:17] Урок 59 - интерпретация коэффициентов линейной регрессии [12:47] Урок 60 - Блок Повторение [04:15] Блок 11: Логистическая Регрессия Урок 61 - Интро (то, что вы узнаете в этом разделе) [01:34] Урок 62 - получить набор данных [04:13] Урок 63 - бинарный исход: Да/Нет-Тип бизнес-проблемы [09:09] Урок 64 - логистическая регрессия интуиции [17:03] Урок 65 - первая логистическая регрессия [08:04] Урок 66 - ложноположительных и ложноотрицательных результатов [08:01] Урок 67 - Матрица Неточностей [04:57] Урок 68 - интерпретация коэффициентов логистической регрессии [10:03] Блок 12: построение надежной модели геодемографическая сегментация Урок 69 - Интро (то, что вы узнаете в этом разделе) [01:01] Урок 70 - получить набор данных [07:32] Урок 71 - что такое гео-демографические segmenation? [05:05] Урок 72 - давайте построим модель первой итерации [08:26] Урок 73 - давайте построим модель - исключение: шаг за шагом [11:11] Урок 74 - преобразование независимых переменных [10:09] Урок 75 - создание производных переменных [06:09] Урок 76 - проверка на мультиколлинеарность с помощью ВИФ [08:11] Урок 77 - Корреляционная Матрица и Мультиколлинеарности интуиция [08:20] Урок 78 - модель готова и Блок Повторение [06:27] Блок 13: Оценка модели Урок 79 - Интро (то, что вы узнаете в этом разделе) [00:37] Урок 80 - парадокс точность [02:11] Урок 81 - совокупная точность профиля (крышка) [11:16] Урок 82 - Как построить кривую шапку в Excel [14:47] Урок 83 - оценки модели с использованием кривая крышка [07:11] Урок 84 - сделать мой шаблон Кривой крышки [06:20] Урок 85 - как использовать тестовые данные, чтобы избежать переобучения модели [03:34] Урок 86 - применение модели на тестовых данных [08:09] Полный Курс Обучения​

​