Data analyst

Во время обучения были пройдены следующие темы:
1. Базовый python (if,def,and,or..)
2. Предобработка данных и исследовательский анализ данных (groupby, pivot_table, drop, merge, join, transform...)
3. Введение в машинное обучение (Регрессии, деревянные модели, train_test_split, fit, predict)
4. Машинное обучение с учителем (precision,recall, mse, roc_auc, StandardScaler, OHE encoder, GridSearchCV, RandomizedSearchCV)
5. Машинное обучение в бизнесе (метрики бизнеса, A/B тесты, bootstrap, доверительный интервал)
6. Статистический анализ (Описательная статистика, теория вероятности, проверка гипотез, t-критерий Cтьюдента)
7. Линейная алгебра (вектора, матрицы, линейная регрессия изнутри)
8. Численные методы (градиентный спуск, градиентный бустинг, Catboost, lightGBM, XGBoost)
9. Временные ряды (ресемплинг, декомпозиция, стационарность, прогнозирование)
10. МЛ для текстов (WordNetLemmatizer, BERT, nltk, tf-idf)
11. Компьютерное зрение (ResNet50, Keras, Adam, Dense, GlobalAveragePooling2D, Sequential, ImageDataGenerator, Tensorflow)
12. PostgerSQL(срезы, агрегирующие функции, join-ы, подзапросы и временные таблицы, PySpark, схемы данных и оконные функции)