Влад Бурмистров, Stepik - Пакет курсов "Data Scientist": Python + SQL + Машинное обучение (2025)

Ответить на тему
 
Автор Сообщение

Prescious ®


Этот пакет из 3 курсов содержит более 70 часов качественных видео-лекций!
С домашними заданиями, решениями для домашних заданий. С возможностью скачивать материалы курса.
А также поддержкой преподавателя, если у Вас возникнут какие-либо вопросы!
В курсе по Python Вы освоите следующие темы:
Изучите базовый синтаксис и структуры данных Python 3!
Научитесь создавать блокноты Jupyter Notebook и файлы .py
Изучите продвинутые возможности Python, такие как модуль "collections" и работа с timestamp!
Научитесь использовать Объектно-Ориентированное Программирование!
Изучите сложные темы, например декораторы и генераторы.
Получите уверенное понимание основ языка Python!

Программа подробно:

Обзор Курса
  • Скачиваем материалы курса
  • Обзор Содержания Курса
  • Python 2 и Python 3. Пайтон или Питон?
  • Часто Задаваемые Вопросы
  • Полезные советы об интерфейсе Stepik (опционально)
Установка Python
  • Замечание по эмулятору Python в Степик
  • Основы Работы в Командной Строке
  • Установка Python
  • Запуск Кода Python
Объекты и Структуры Данных в Python
  • Введение в Типы Данных Python
  • Числа (Numbers)
  • Числа (Numbers) - Часто Задаваемые Вопросы
  • Проверочные Вопросы по Числам (Numbers)
  • Присвоение Переменных
  • Введение в Строки (Strings)
  • Индексирование и Срезы Строк
  • Свойства и Методы Строк
  • Строки - Часто Задаваемые Вопросы
  • Проверочные Вопросы по Строкам
  • Форматирование Вывода для Строк
  • Форматирование Вывода - Часто Задаваемые Вопросы
  • Списки (Lists) в Python
  • Списки - Часто Задаваемые Вопросы
  • Проверочные Вопросы по Спискам
  • Словари (Dictionaries) в Python
  • Словари - Часто Задаваемые Вопросы
  • Проверочные Вопросы по Словарям
  • Кортежи (Tuples) в Python
  • Проверочные Вопросы по Кортежам
  • Множества (Sets) в Python
  • Значения Boolean в Python
  • Проверочные Вопросы - Множества и значения Booleans
  • Ввод-вывод (I/O) для файлов в Python
  • Ресурсы для Дополнительной Практики
  • Обзор Теста по Объектам и Структурам Данных Python
  • Решения для Теста по Объектам и Структурам Данных Python
Операторы Сравнения в Python
  • Операторы Сравнения в Python
  • Сцепление Операторов Сравнения с помощью Логических Операторов
  • Проверочные Вопросы по Операторам Сравнения
Операторы Python
  • Операторы If, Elif и Else в Python
  • Циклы For в Python
  • Циклы While в Python
  • Полезные Операторы в Python
  • Генераторы Списков (List Comprehensions) в Python
  • Обзор Теста по Операторам Python
  • Решения Теста по Операторам Python
  • (Опционально) Задание - Игра на угадывание чисел
Методы и Функции
  • Методы и Документация Python
  • Функции в Python
  • *args и **kwargs в Python
  • Упражнения по Функциям
  • Обзор Упражнений по Функциям
  • Решения Упражнений - Уровень Разминка
  • Решения Упражнений - Уровень 1
  • Решения Упражнений - Уровень 2
  • Решения Упражнений - Сложные Задачи
  • Lambda-выражения, функции Map и Filter
  • Вложенные Операторы и Области Видимости (Scope)
  • Функции и Методы - Домашнее Задание
  • Полезные Советы для Задания по Функциям и Методам
  • Решения для Домашнего Задания по Функциям и Методам
Проект - 1
  • Обзор Первого Проекта Python
  • Помощь по Проекту
  • Обзор Решения для Проекта 1 - Часть 1
  • Обзор Решения для Проекта 1 - Часть 2
Объектно-Ориентированное Программирование (ООП)
  • ООП: Введение
  • ООП: Атрибуты и Ключевое слово Class
  • ООП: Классы, Объекты, Атрибуты и Методы
  • ООП: Наследование и Полиморфизм
  • ООП: Специальные Методы (Magic/Dunder)
  • ООП: Домашнее Задание
  • ООП: Решение для Домашнего Задания
  • ООП: Задача
  • ООП: Решение для Задачи
Модули и Пакеты
  • Pip Install и PyPi
  • Модули и Пакеты
  • __name__ и "__main__"
Ошибки и Обработка Исключений (Exceptions)
  • Ошибки и Обработка Исключений (Exceptions)
  • Домашнее Задание - Ошибки и Обработка Исключений
  • Решения для Домашнего Задания - Ошибки и Обработка Исключений
  • Обзор Pylint
  • Запуск тестов с помощью библиотеки Unittest
Проект - 2
  • Обзор Проекта 2
  • Решение - классы Card и Deck
  • Решение - классы Hand и Chip
  • Решение - функции для Game Play
  • Решение - Финальный скрипт Gameplay
Декораторы в Python (Decorators)
  • Обзор Декораторов в Python
  • Декораторы - Домашнее Задание
Генераторы Python (Generators)
  • Генераторы в Python
  • Обзор Домашнего Задания по Генераторам
  • Решения для Домашнего Задания по Генераторам
Финальный Проект
  • Финальный Проект
Резюме курса
  • Короткий тест
  • Финальные шаги
В курсе по SQL Вы освоите следующие темы:
Научитесь разрабатывать запросы SELECT к базам данных.
Поймёте все особенности соединений таблиц - INNER JOIN, LEFT OUTER JOIN и т.д.
Сможете избегать частых ошибок, которые делают новички
Будете уверенно использовать SQL для анализа данных
Освоите продвинутые темы, включая оконные функции.

Программа подробно:

Введение. Обзор языка SQL.
  • Обзор языка SQL
  • Раздаточный Материал №1 (PDF-файл): Примеры Синтаксиса
  • Скачиваем слайды презентаций (опционально)
  • Полезные советы об интерфейсе Stepik (опционально)
Установка и настройка таблиц для упражнений
  • Обзор раздела
  • Шаги по установке
  • Установка для Windows
  • Установка для Mac
  • Решение проблем с установкой
  • Обзор pgAdmin
Создание таблиц. Связи между таблицами.
  • Создание таблиц. Типы данных.
  • Первичный ключ и внешний ключ. Типы связей между таблицами.
Основные запросы SELECT
  • Выбор колонок. Выражения.
  • Выбор строк. Операторы AND, OR.
  • Проверочные Вопросы - Выбор колонок и строк
  • Упражнение 1 - фильтрация колонок и строк
  • Решения для Упражнения 1
  • Операторы IN, NOT IN, BETWEEN
  • Вложенные запросы (подзапросы)
  • Проверочные Вопросы - Вложенные запросы (подзапросы)
  • Упражнение 2 - вложенные запросы
  • Решения для Упражнения 2
  • Как пишутся комментарии в SQL
Работа со значениями NULL
  • Что такое значение NULL. Особенности работы со значениями NULL.
  • NULL и Сравнение "не равно"
  • Проверочные Вопросы - Значения NULL
  • Упражнение 3 - работа со значениями NULL
  • Решения для Упражнения 3
  • IN и NOT IN при наличии значений NULL
Агрегация - GROUP BY, HAVING, DISTINCT
  • Группировка данных GROUP BY
  • Мини-задачи по GROUP BY - задания
  • Решения мини-задач по GROUP BY
  • Фильтрация HAVING
  • Агрегация SUM и COUNT
  • Другие функции агрегации
  • Мини-задачи по функциям агрегации
  • Решения мини-задач по функциям агрегации
  • Различные значения DISTINCT
  • Сортировка данных ORDER BY
  • Проверочные Вопросы - Агрегация данных
  • Упражнение 4 - агрегация данных
  • Решения для Упражнения 4
Соединение таблиц - INNER, OUTER, CROSS, SELF JOIN
  • INNER JOIN - Внутреннее Соединение Таблиц
  • Проверочные Вопросы - INNER JOIN
  • Упражнение 5 - INNER JOIN
  • Решения для Упражнения 5
  • Соединение Нескольких Таблиц
  • Дубликаты Строк, Нехватка Строк
  • LEFT OUTER JOIN - Левое Внешнее Соединение
  • Различные варианты синтаксиса
  • RIGHT OUTER JOIN- Правое Внешнее Соединение
  • Упражнение 6 - OUTER JOIN
  • Решения для Упражнения 6
  • FULL OUTER JOIN - Полное внешнее соединение
  • SELF JOIN - Соединение таблицы самой с собой
  • Упражнение 7 - SELF JOIN
  • Решения для Упражнения 7
  • CROSS JOIN - Декартово Произведение Таблиц
Операторы множеств - UNION, EXCEPT (MINUS) и INTERSECT
  • UNION - Объединение множеств строк
  • EXCEPT (MINUS) - Вычитание множеств строк
  • INTERSECT - Пересечение множеств строк
  • Проверочные Вопросы - Операторы множеств
  • Упражнение 8 - Операторы множеств (union, except, intersect)
  • Решения для Упражнения 8
Функции и операторы
  • Обзор функций и операторов
  • Для числовых типов данных
  • LIKE для поиска шаблонов
  • Для символьных типов данных
  • Для типов данных даты и времени
  • Упражнение 9 - Функции и Операторы
  • Решения для Упражнения 9
Изменение данных - INSERT, UPDATE, DELETE
  • INSERT - Вставка данных
  • UPDATE - Обновление данных
  • DELETE - Удаление данных
  • Упражнение 10 - Изменение данных
  • Решения для Упражнения 10
  • Поиск расхождений между таблицами
  • Устранение расхождений между таблицами
  • Восстановление данных после Упражнения 10
Дополнительные темы: CASE, CTE, рекурсия
  • CASE: два варианта синтаксиса
  • CASE: полезные примеры
  • Упражнение 11: CASE
  • Решения для Упражнения 11
  • Как можно переписать IN / NOT IN на OUTER JOIN + CASE
  • CTE - Common Table Expression (WITH ...)
  • Рекурсивные Запросы
Оконные функции
  • Оконные функции - первое знакомство
  • Добавляем PARTITION BY
  • Упражнение 12: вычисляем проценты
  • Решения для упражнения 12
  • Кумулятивные суммы
  • Особенности ORDER BY для оконных функций - часть 1
  • Особенности ORDER BY для оконных функций - часть 2
  • Упражнение 13: ABC-анализ
  • Решения для упражнения 13
  • Скользящие средние, предыдущие строки и последующие строки
  • Упражнение 14: солнечные дни
  • Решения для упражнения 14
  • Нумерация и ранжирование
  • Упражнение 15: нумерация и ранжирование
  • Решения для упражнения 15
  • Резюме по оконным функциям
Резюме курса
  • Резюме курса
  • Финальные шаги
В курсе по Машинному Обучению Вы освоите следующие темы:
Построение моделей машинного обучения с учителем (Supervised Learning)
Применение NumPy для работы с числами в Python
Использование Seaborn для создания красивых графиков визуализации данных
Применение Pandas для манипуляции с данными в Python
Элементы Matplotlib для детальной настройки визуализаций данных в Python
Конструирование признаков (Feature Engineering) на реалистичных примерах
Алгоритмы регрессии для предсказания непрерывных переменных
Навыки подготовки данных к машинному обучению
Алгоритмы классификации для предсказания категориальных переменных
Создание портфолио проектов машинного обучения и Data Science
Работа с Scikit-Learn для применения различных алгоритмов машинного обучения
Быстрая настройка Anaconda для работ по машинному обучению
Понимание полного цикла этапов работ по машинному обучению

Программа подробно:

Вводная часть курса
  • Добро пожаловать на курс!
  • Материалы курса - ZIP-файлы для скачивания
  • Установка Anaconda, Python, Jupyter Notebook
  • Прочтите эту статью - Замечание о настройке среды разработки
  • Настройка среды разработки
  • Часто задаваемые вопросы
  • Полезные советы об интерфейсе Stepik (опционально)
Опционально: Экспресс-курс по Python
  • Пару слов об экспресс-курсе
  • Экспресс-курс по Python - Часть 1
  • Экспресс-курс по Python - Часть 2
  • Экспресс-курс по Python - Часть 3
  • Проверочные упражнения по Python
  • Решения для проверочных упражнений по Python
Этапы работ по машинному обучению
  • Этапы работ по машинному обучению
NumPy
  • Обзор раздела про NumPy
  • Массивы NumPy
  • Индексация и выбор данных из массивов NumPy
  • Операции в NumPy
  • Проверочные упражнения по NumPy
  • Решения для проверочных упражнений по NumPy
Pandas
  • Обзор раздела про Pandas
  • Series - Часть 1
  • Series - Часть 2
  • Датафреймы - Часть 1 - Создание датафреймов
  • Датафреймы - Часть 2 - Основные атрибуты
  • Датафреймы - Часть 3 - Работа с колонками
  • Датафреймы - Часть 4 - Работа со строками
  • Выборка данных по условию (Conditional Filtering)
  • Полезные методы - Apply для одной колонки
  • Полезные методы - Apply для нескольких колонок
  • Полезные методы - Статистическая информация и сортировка данных
  • Отсутствующие данные (missing data) - Обзор
  • Отсутствующие данные (missing data) - Операции в Pandas
  • Агрегация данных GROUP BY - Часть 1
  • Агрегация данных GROUP BY - Часть 2 - Мульти-индекс
  • Объединение датафреймов - Конкатенация
  • Объединение датафреймов - Inner Merge
  • Объединение датафреймов - Left и Right Merge
  • Объединение датафреймов - Outer Merge
  • Методы Pandas для текста
  • Методы Pandas для даты и времени
  • Input/Output в Pandas - CSV-файлы
  • Input/Output в Pandas - HTML-таблицы
  • Input/Output в Pandas - Excel-файлы
  • Input/Output в Pandas - SQL базы данных
  • Сводные таблицы в Pandas (pivot tables)
  • Проверочные упражнения по Pandas
  • Решения для проверочных упражнений по Pandas
Matplotlib
  • Обзор раздела про Matplotlib
  • Основы Matplotlib
  • Объект Figure - принципы работы
  • Объект Figure - код в Python
  • Объект Figure - код в Python
  • Subplots - несколько графиков рядом друг с другом
  • Стилизация Matplotlib: легенды
  • Стилизация Matplotlib: цвета и стили
  • Дополнительные материалы по Matplotlib
  • Проверочные упражнения по Matplotlib
  • Решения для проверочных упражнений по Matplotlib
Seaborn
  • Обзор раздела про Seaborn
  • Scatterplots - Графики рассеяния (диаграммы рассеяния)
  • Distribution Plots - Часть 1 - Типы графиков
  • Distribution Plots - Часть 2 - Код в Python
  • Categorical Plots - Статистики по категориям - Типы графиков
  • Categorical Plots - Статистики по категориям - Код в Python
  • Categorical Plots - Распределения по категориям - Типы графиков
  • Categorical Plots - Распределения по категориям - Код в Python
  • Графики сравнения - Типы графиков
  • Графики сравнения - Код в Python
  • Seaborn Grid
  • Матричные графики
  • Проверочные упражнения по Seaborn
  • Решения для проверочных упражнений по Seaborn
Большой Проект по Визуализации Данных
  • Обзор Проекта по Визуализации Данных
  • Разбор решений проекта - Часть 1
  • Разбор решений проекта - Часть 2
  • Разбор решений проекта - Часть 3
Обзор Машинного Обучения
  • Обзор раздела
  • Зачем нужно машинное обучение
  • Типы алгоритмов машинного обучения
  • Процесс для обучения с учителем (supervised learning)
  • (ОПЦИОНАЛЬНО) Дополнительная книга для чтения - ISLR
Линейная Регрессия
  • Обзор раздела про линейную регрессию
  • Линейная регрессия - История алгоритма
  • Наименьшие квадраты
  • Функция стоимости (Cost Function)
  • Градиентный спуск (Gradient Descent)
  • Простая линейная регрессия
  • Обзор Scikit-Learn
  • Scikit-Learn - Train Test Split
  • Scikit-Learn - оценка работы модели
  • Графики остатков - Residual Plots
  • Внедрение модели и интерпретация коэффициентов
  • Полиномиальная регрессия - теория
  • Полиномиальная регрессия - создание признаков
  • Полиномиальная регрессия - обучение и оценка модели
  • Дилемма смещения-дисперсии (Bias-Variance Trade-Off)
  • Полиномиальная регрессия - выбираем степень полинома
  • Полиномиальная регрессия - внедрение модели
  • Регуляризация - обзор
  • Масштабирование признаков (feature scaling)
  • Кросс-валидация - обзор
  • Регуляризация - подготовка данных
  • L2 Регуляризация - Ридж-регрессия - теория
  • L2 Регуляризация - Ридж-регрессия - код в Python
  • L1 Регуляризация - Лассо-регрессия - теория и код в Python
  • L1 и L2 Регуляризация - Эластичная сеть Elastic Net
  • Обзор данных для проверочного проекта по линейной регрессии
Конструирование признаков (Feature Engineering) и подготовка дан
  • Обзор Feature Engineering
  • Работа с выбросами (outliers)
  • Работа с отсутствующими данными (missing data) - Часть 1
  • Работа с отсутствующими данными (missing data) - Часть 2
  • Работа с отсутствующими данными (missing data) - Часть 3
  • Работа с категориальными переменными
Кросс-валидация и Проверочный проект по линейной регрессии
  • Обзор раздела про кросс-валидацию
  • Разбиение Train | Test Split
  • Разбиение Train | Validation | Test Split
  • Кросс-валидация - cross_val_score
  • Кросс-валидация - cross_validate
  • Поиск по сетке - Grid Search
  • Случайный поиск - Random Search
  • Обзор проверочного проекта по линейной регрессии
  • Решения для проверочного проекта по линейной регрессии
Логистическая регрессия
  • Обзор раздела про логистическую регрессию
  • Теория логистической регрессии - Часть 1 - Логистическая функция
  • Теория логистической регрессии - Часть 2 - От линейной к логист.
  • Теория логистической регрессии - Часть 3 - Математика перехода
  • Теория логистической регрессии - Часть 4 - Поиск графика
  • Логистическая регрессия в Scikit-Learn - Часть 1 - EDA
  • Логистическая регрессия в Scikit-Learn - Часть 2 - Модель
  • Метрики классификации - Confusion Matrix и Accuracy
  • Метрики классификации - Precision, Recall и F1-Score
  • Метрики классификации - ROC-кривые
  • Логистическая регрессия в Scikit-Learn - Часть 3 - Оценка модели
  • Мульти-классовая классификация - Логистическая регрессия - EDA
  • Мульти-классовая классификация - Логистическая регрессия -Модель
  • Проверочный проект по логистической регрессии
  • Решения для проверочного проекта по логистической регрессии
Метод К-ближайших соседей (KNN - K-Nearest Neighbors)
  • Обзор раздела про метод К-ближайших соседей
  • Теория метода К-ближайших соседей
  • KNN: пишем код в Python - Часть 1
  • KNN: пишем код в Python - Часть 2
  • Проверочные упражнения по KNN
  • Решения для проверочных упражнений по KNN
Метод опорных векторов (SVM - Support Vector Machines)
  • Обзор раздела про метод опорных векторов
  • История метода опорных векторов
  • Теория метода опорных векторов - Гиперплоскости и зазоры
  • Теория метода опорных векторов - ядра (kernels)
  • Теория метода опорных векторов - "kernel trick" и математика
  • SVM в Scikit-Learn для задач классификации - Часть 1
  • SVM в Scikit-Learn для задач классификации - Часть 2
  • SVM в Scikit-Learn для задач регрессии
  • Проверочные упражнения по методу опорных векторов
  • Решения для проверочных упражнений по методу опорных векторов
Деревья решений - Decision Trees
  • Обзор раздела про деревья решений
  • Деревья решений - История
  • Деревья решений - Терминология
  • Деревья решений - метрика "Gini Impurity"
  • Построение деревьев решений с помощью Gini Impurity - Часть 1
  • Построение деревьев решений с помощью Gini Impurity - Часть 2
  • Код в Python для деревьев решений - Часть 1 - Данные
  • Код в Python для деревьев решений - Часть 2 - Модель
Случайные леса - Random Forests
  • Обзор раздела про случайные леса
  • История и мотивация создания случайных лесов
  • Гиперпараметры случайного леса - Обзор
  • Гиперпараметры случайного леса - Количество деревьев и Признаков
  • Гиперпараметры случайного леса - Bootstrapping и oob_score
  • Классификация данных с помощью RandomForestClassifier - Часть 1
  • Классификация данных с помощью RandomForestClassifier - Часть 2
  • Регрессия с помощью RandomForestRegressor - Часть 1 - Данные
  • Регрессия с помощью RandomForestRegressor - Часть 2 - Модели 1
  • Регрессия с помощью RandomForestRegressor - Часть 3 - Модели 2
  • Регрессия с помощью RandomForestRegressor - Часть 4 - Модели 3
Бустинг и Расширяемые деревья - Boosted Trees
  • Обзор раздела про бустинг
  • История возникновения бустинга
  • AdaBoost - Теория - Как работает адаптивный бустинг
  • AdaBoost - Код в Python - Данные
  • AdaBoost - Код в Python - Модель
  • Градиентный бустинг - Теория
  • Градиентный бустинг - Пишем код в Python
Проверочный проект по моделям обучения с учителем (Supervised Le
  • Обзор проверочного проекта
  • Разбор решений - Часть 1 - Исследование данных (EDA)
  • Разбор решений - Часть 2 - Анализ оттока (Churn Analysis)
  • Разбор решений - Часть 3 - Модели на основе деревьев решений
Natural Language Processing и Наивный Байесовский Классификатор
  • Обзор раздела про NLP и Наивный Байесовский алгоритм
  • Наивный Байесовский алгоритм - Часть 1 - Теорема Байеса
  • Наивный Байесовский алгоритм - Часть 2 - сам алгоритм
  • Извлечение признаков из текста - Теория
  • Извлечение признаков из текста, "Мешок слов" - пишем код вручную
  • Извлечение признаков из текста с помощью Scikit-Learn
  • Классификация текста - Часть 1
  • Классификация текста - Часть 2
  • Проверочные упражнения по классификации текста
  • Решения для проверочных упражнений по классификации текста
Машинное обучение без учителя - Unsupervised Learning
  • Обзор обучения без учителя - Unsupervised Learning
Кластеризация К-Средних - K-Means Clustering
  • Обзор раздела про кластеризацию К-средних
  • Принципы кластеризации данных (без привязки к алгоритму)
  • Теория кластеризации К-средних
  • Кластеризация К-средних - Пишем код - Часть 1
  • Кластеризация К-средних - Пишем код - Часть 2
  • Выбираем количество кластеров К - Теория
  • Выбираем количество кластеров К - Пишем код в Python
  • Квантование цветов - Теория
  • Квантование цветов - Пишем код в Python
  • Проверочные упражнения по кластеризации К-средних
  • Решения для проверочных упражнений - Часть 1
  • Решения для проверочных упражнений - Часть 2
  • Решения для проверочных упражнений - Часть 3
Иерархическая кластеризация данных
  • Обзор раздела про иерархическую кластеризацию
  • Теория и интуиция иерархической кластеризации
  • Иерархическая кластеризация - Пишем код, часть 1 - Данные
  • Иерархическая кластеризация - Пишем код, часть 2 - Scikit-Learn
DBSCAN - Кластеризация на основе плотности данных
  • Обзор раздела про кластеризацию DBSCAN
  • Теория алгоритма DBSCAN
  • Сравниваем DBSCAN и K-Means Clustering
  • Ключевые гиперпараметры DBSCAN - Теория
  • Ключевые гиперпараметры DBSCAN - код в Python
  • Проверочные упражнения по DBSCAN
  • Решения для проверочных упражнений по DBSCAN
Метод главных компонент (PCA - Principal Component Analysis)
  • Обзор раздела про метод главных компонент
  • Теория метода главных компонент - Часть 1 - История и интуиция
  • Теория метода главных компонент - Часть 2 - Математика
  • Реализация метода главных компонент вручную
  • Метод главных компонент в Scikit-Learn
  • Проверочные упражнения по методу главных компонент
  • Решения для проверочных упражнений по методу главных компонент
Резюме курса
  • Пройдите короткий тест
  • Резюме курса
  • Финальные шаги
В программу входят:
  • 3 курса
  • 428 уроков
  • 71 час 32 минуты видео
  • 42 теста
Этот пакет курсов заменит Вам целый набор других курсов, которые могут стоить существенно дороже!
Продажник:
https://stepik.org/course/175382/promo
↓ Скачать: ↓
Скачать торрент:

Чтобы скачать файл "Влад Бурмистров, Stepik - Пакет курсов "Data Scientist": Python + SQL + Машинное обучение (2025)"

Вам нужно Авторизоваться на сайте под своим логином. Если у Вы ещё не зарегистрированы, тогда Вам нужно пройти Регистрацию


Показать сообщения:    
Ответить на тему

Курс Влад Бурмистров, Stepik - Пакет курсов "Data Scientist": Python + SQL + Машинное обучение (2025)

Текущее время: Сегодня 05:27

Часовой пояс: GMT + 4



Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы

⇧
⇩