Инструменты анализа данных

- знать основы языка программирования Python, его синтаксис и структуры;
- знать основы обработки данных в Python;
- знать основы работы с базами данных

- уметь проводить оценку сложности алгоритмов;
- уметь программировать и тестировать программы;
- уметь работать с библиотекой Pandas;
- уметь выбирать методы и инструментальные средства ИИ для решения некоторых задач в зависимости от особенностей проблемной области;

- навыком применения к решению прикладных задач алгоритмов обработки данных;
- навыками загрузки датасета, преобразования и осуществления срезов данных, проведения описательного анализа, построения графиков распределения, визуализации разных признаков, их распределения, агрегирования признаков, выявления топа коррелируемых признаков, оценки взаимосвязи;
- навыком работы с библиотекой Pandas

- знать методы машинного обучения;
- знать основные парадигмы машинного обучения.
- знать базовую терминологию машинного обучения;
- знать метрики оценки результатов моделирования и критерии качества построенных моделей;

- уметь проводить анализ качества построенной модели линейной регрессии с помощью библиотеки Scikit-Learn;
- уметь распознавать такие парадигмы машинного обучения, как обучение с учителем и обучение без учителя, а также ситуации, в которых машинное обучение не применимо;
- уметь отличать классификацию от регрессии, а модель — от алгоритма обучения;

- владеть навыками работы с библиотекой машинного обучения Scikit-Learn;
- владеть навыками построения модели линейной регрессии с помощью библиотеки Scikit-Learn;
владеть - навыками решения оптимизационных задач.

- знать язык программирования Python и язык баз данных SQL;
- знать электронные библиотеки Pandas, Seaborn, Scikit-Learn, пакет программы Tableau;

- уметь обучать простые модели линейной регрессии, делать выводы.

- владеть навыком проведения анализа требований и определения необходимых шагов в простых задачах машинного обучения с помощью линейной регрессии и бинарной классификации;
-владеть навыком построения дашбордов в BI-системе Tableau: подключаться к данным и модифицировать их, строить графики разных видов, собирать дашборды и презентации;
- владеть навыком составления запросов к базам данных и получением данных из них.
- владеть навыком оценки и выбора некоторых используемых методов машинного обучения.

- знать основные виды представления данных: табличные, графовые, временные ряды;
- знать основные уровни представления данных.

- уметь использовать основные статистические методы анализа данных при решении профессиональных задач.

- владеть навыком поиска данных в открытых источниках, специализированных библиотеках и репозиториях.