Хоттабыч
Местный
[zerotomastery.io] Travis Cuzick → Data Wrangling Bootcamp: подготовка данных для проектов с ИИ (2026)
Data Wrangling Bootcamp — практический курс по подготовке данных для аналитики, машинного обучения и проектов с ИИ. Вы с нуля научитесь работать с «грязными» таблицами, находить ошибки, очищать данные, объединять файлы и превращать разрозненную информацию в удобный набор для анализа. Предварительный опыт в Python и Pandas не требуется: курс помогает перейти от просмотра уроков к самостоятельной работе с реальными данными.
Зачем нужна подготовка данных для ИИ-проектов
В реальных проектах данные редко бывают готовыми к использованию. В таблицах встречаются пропуски, дубликаты, разные форматы дат, ошибки в тексте, лишние символы и несогласованные значения. Нужная информация может храниться в нескольких файлах, а структура данных часто требует предварительного изучения.
Data wrangling помогает привести данные в порядок перед анализом, визуализацией, обучением моделей и созданием ИИ-продуктов. На курсе вы разберёте полный цикл работы: от первичного знакомства с набором данных до подготовки признаков для машинного обучения и оформления результата в веб-приложение.
Чему вы научитесь
Быстро изучать незнакомые наборы данных и понимать их структуру.
Работать с Python и библиотекой Pandas для обработки таблиц.
Находить и исправлять пропуски, дубликаты, некорректные значения и ошибки форматирования.
Фильтровать, сортировать, группировать и агрегировать данные.
Очищать текстовые поля, даты и категориальные значения.
Объединять несколько таблиц и файлов в единый набор данных.
Автоматизировать повторяющиеся преобразования с помощью собственных функций.
Использовать ИИ-инструменты для поиска ошибок, генерации кода и изучения новых приёмов.
Готовить данные для машинного обучения и создавать полезные признаки.
Работать со scikit-learn и базовыми подходами к настройке Transformer-моделей.
Программа курса
1. Первичное знакомство с данными
Вы научитесь открывать и исследовать реальные наборы данных, оценивать качество таблиц, проверять типы столбцов, искать пропуски, аномалии и подозрительные значения. На этом этапе вы разберёте, как быстро понять, что находится в файле и какие проблемы нужно исправить перед дальнейшей работой.
2. Основы Python и Pandas для data wrangling
Курс показывает, как использовать Python и Pandas для практической обработки данных: загружать файлы, выбирать строки и столбцы, фильтровать записи, выполнять сортировку, применять условия и создавать новые столбцы. Вы освоите ключевые операции, которые нужны для ежедневной работы с таблицами.
3. Очистка данных: пропуски, дубликаты и ошибки
Вы разберёте типичные проблемы «грязных» данных: пустые значения, повторяющиеся строки, неверные форматы, опечатки и несогласованные записи. На практических примерах вы научитесь выбирать подходящую стратегию обработки: удалять, заменять, нормализовать или преобразовывать значения.
4. Работа с текстом и датами
Отдельное внимание уделяется текстовым данным и датам. Вы научитесь приводить строки к единому виду, удалять лишние символы, извлекать нужные фрагменты, преобразовывать даты из разных форматов и использовать временные признаки для анализа.
5. Группировка, агрегация и объединение таблиц
Вы освоите методы группировки и агрегирования данных, чтобы получать сводную информацию по категориям, периодам и другим признакам. Также вы научитесь объединять несколько таблиц, связывать данные из разных
Скачать:
Data Wrangling Bootcamp — практический курс по подготовке данных для аналитики, машинного обучения и проектов с ИИ. Вы с нуля научитесь работать с «грязными» таблицами, находить ошибки, очищать данные, объединять файлы и превращать разрозненную информацию в удобный набор для анализа. Предварительный опыт в Python и Pandas не требуется: курс помогает перейти от просмотра уроков к самостоятельной работе с реальными данными.
Зачем нужна подготовка данных для ИИ-проектов
В реальных проектах данные редко бывают готовыми к использованию. В таблицах встречаются пропуски, дубликаты, разные форматы дат, ошибки в тексте, лишние символы и несогласованные значения. Нужная информация может храниться в нескольких файлах, а структура данных часто требует предварительного изучения.
Data wrangling помогает привести данные в порядок перед анализом, визуализацией, обучением моделей и созданием ИИ-продуктов. На курсе вы разберёте полный цикл работы: от первичного знакомства с набором данных до подготовки признаков для машинного обучения и оформления результата в веб-приложение.
Чему вы научитесь
Быстро изучать незнакомые наборы данных и понимать их структуру.
Работать с Python и библиотекой Pandas для обработки таблиц.
Находить и исправлять пропуски, дубликаты, некорректные значения и ошибки форматирования.
Фильтровать, сортировать, группировать и агрегировать данные.
Очищать текстовые поля, даты и категориальные значения.
Объединять несколько таблиц и файлов в единый набор данных.
Автоматизировать повторяющиеся преобразования с помощью собственных функций.
Использовать ИИ-инструменты для поиска ошибок, генерации кода и изучения новых приёмов.
Готовить данные для машинного обучения и создавать полезные признаки.
Работать со scikit-learn и базовыми подходами к настройке Transformer-моделей.
Программа курса
1. Первичное знакомство с данными
Вы научитесь открывать и исследовать реальные наборы данных, оценивать качество таблиц, проверять типы столбцов, искать пропуски, аномалии и подозрительные значения. На этом этапе вы разберёте, как быстро понять, что находится в файле и какие проблемы нужно исправить перед дальнейшей работой.
2. Основы Python и Pandas для data wrangling
Курс показывает, как использовать Python и Pandas для практической обработки данных: загружать файлы, выбирать строки и столбцы, фильтровать записи, выполнять сортировку, применять условия и создавать новые столбцы. Вы освоите ключевые операции, которые нужны для ежедневной работы с таблицами.
3. Очистка данных: пропуски, дубликаты и ошибки
Вы разберёте типичные проблемы «грязных» данных: пустые значения, повторяющиеся строки, неверные форматы, опечатки и несогласованные записи. На практических примерах вы научитесь выбирать подходящую стратегию обработки: удалять, заменять, нормализовать или преобразовывать значения.
4. Работа с текстом и датами
Отдельное внимание уделяется текстовым данным и датам. Вы научитесь приводить строки к единому виду, удалять лишние символы, извлекать нужные фрагменты, преобразовывать даты из разных форматов и использовать временные признаки для анализа.
5. Группировка, агрегация и объединение таблиц
Вы освоите методы группировки и агрегирования данных, чтобы получать сводную информацию по категориям, периодам и другим признакам. Также вы научитесь объединять несколько таблиц, связывать данные из разных
Скачать:
