Отчёт о прохождении обучения

Кому: Председателю Правления ЗАО “Межбанкосвкий Процессинговый центр”

Жамангуловой К.Д.
От: Главного Администратора Back-Office ОППС УПС Али-Айдарова К.М., Начальника
ОППС УПС Салиева А.А.
Дата: 22.02.2024
Тема: Отчет о прохождении Онлайн курса SkillBox “Введение в Data Science”
_________________________________________________________________________________
Уважаемая Каныкей Джолучуевна,
Настоящим сообщаю, что согласно Плана обучения на 2023 год Главным администратором
Back-Office ОППС УПС Али-Айдаровым К.М. и Салиевым А.А. был пройден онлайн курс
SkillBox “Введение в Data Science”. Курс Data Science от SkillBox включал в себя
обширный набор модулей, охватывающих различные аспекты обработки данных,
программирования, анализа данных и машинного обучения. В ходе данного курса я
обучился вышеуказанным аспектам путем закрепления их практическими заданиями в
ходе курса, а также применения данных в реальной жизни непосредственно в работе.
Также ниже краткое содержание каждого модуля для ознакомления:
1) Введение в курс. Определение понятия Data Science, основные задачи и
области применения. Рассмотрение мотивации для изучения Data Science и
перспектив, которые открываются. Обзор профессии Machine Learning Engineer,
ключевые компетенции и обязанности. Сравнение различных ролей в Data
Science для лучшего понимания их функций и различий. Примеры
практического применения машинного обучения и искусственного интеллекта в
реальной жизни. Тестирование знаний, полученных в рамках введения в
модуль.
2) Business Understanding. С чего начинается работа с данными. Разъяснение
понятия Data Mining и его роли в анализе данных. Обзор методологии CRISP-
DM (Cross-Industry Standard Process for Data Mining) для эффективного
управления проектами по анализу данных. Подробное рассмотрение ключевых
задач, стоящих перед бизнес-аналитиком при начале работы с данными.
Изучение методов выявления потребностей бизнеса в контексте анализа
данных. Обзор процесса сбора требований для анализа данных и классификация
видов требований. Практические упражнения и задания для применения знаний,
полученных в ходе изучения.
3) Data Understanding. Excel. Разъяснение понятия Data Understanding и его
важности в контексте анализа данных. Ознакомление с основами использования
Excel в рамках анализа данных. Изучение статистических и логических
функций Excel для анализа данных. Подробное рассмотрение принципов работы
сводных таблиц в Excel. Практические задания для закрепления навыков и
применения знаний, полученных в ходе модуля.
4) Введение в Python. Ознакомление с основами языка программирования Python.
Краткое описание Anaconda и ее роли в разработке на Python. Подробные
инструкции по установке окружения Python для Windows и MacOS с
использованием Anaconda. Практический обзор базовых вычислений на Python
и методов вывода результатов на экран. Практические задания для закрепления
основ работы с Python.
5) Переменные и типы данных. Изучение основных стандартных типов данных в
Python и их использование. Рассмотрение типичных ошибок при работе с
переменными и типами данных в Python. Понимание булевых значений и их
применение в Python. Освоение концепции переменных в Python и их роли в
программировании. Проверка понимания основных тем модуля с помощью
теста. Практические задания для закрепления знаний и умений, полученных в
ходе изучения.
6) Условия. Изучение условного оператора if и его применение в Python.
Обучение использованию вложенных условий и оператора elif для более
сложных условных конструкций. Изучение обработки ошибок и исключений в
Python. Практические задания для закрепления навыков работы с условиями в
Python.
7) Циклы. Обучение использованию цикла for в Python и его применение для
итерации по последовательностям. Изучение цикла while и его применение для
повторения выполнения блока кода. Рассмотрение операторов continue и pass в
контексте циклов. Практические задания для применения циклов и освоения
навыков итерации в Python.
8) Алгоритмы и структуры данных. Обучение основам работы со списками в
Python, их созданию и манипуляциям. Обучение основам работы со списками в
Python, их созданию и манипуляциям, включая продвинутые методы и
операции. Обзор различных методов сортировки данных в Python.
Практические задания для закрепления знаний по работе с списками,
алгоритмами поиска и сортировкой.
9) Функции. Обучение созданию и использованию функций в Python.
Рассмотрение концепции декомпозиции кода и встроенных функций в Python.
Изучение методов работы со строками в Python и их применение. Обучение
нормализации строк в контексте обработки данных в Python. Практические
задания для закрепления умений работы с функциями, строками и рекурсией в
Python.
10) Коллекции в Python. Обучение работе с кортежами в Python и их
особенностями. Изучение множеств в Python, их использование и методы.
Введение в List comprehensions и их использование для более компактного кода.
Практические задания для закрепления навыков работы с коллекциями в Python.
 11) Чтение файлов в Python и командной строке. Обучение методам чтения
файлов в Python и их обработка. Изучение основ работы с файлами в командной
строке. Практические задания для применения знаний, полученных в ходе
модуля.
12) Библиотека Pandas. Введение в библиотеку Pandas и ее основные
возможности. Обучение чтению различных типов файлов с использованием
Pandas. Рассмотрение работы с файлами формата JSON в Pandas. Обучение
объединению и слиянию данных. Практические задания для применения
навыков работы с Pandas в анализе данных.
13) Получение данных с помощью API. Введение в понятие API и REST API,
объяснение их роли в веб-разработке. Обучение выполнению HTTP-запросов с
использованием инструмента Postman. Изучение библиотеки Requests в Python
для выполнения HTTP-запросов. Практические задания для закрепления
навыков работы с API, Git и HTTP-запросами.
14) Базы данных. Введение в концепцию баз данных и их роль в современных
приложениях. Изучение ER-диаграмм и их использование для моделирования
структуры баз данных. Обучение процессу нормализации баз данных для
оптимизации их структуры. Рассмотрение концепций OLTP (Online Transaction
Processing) и OLAP (Online Analytical Processing). Практические задания для
закрепления навыков работы с базами данных и их моделирования.
15) Язык запросов SQL. Ознакомление с базовыми концепциями языка SQL и его
роли в работе с базами данных. Изучение основных операций SQL, таких как
SELECT, INSERT, UPDATE, DELETE. Обучение методам объединения данных
из различных таблиц в SQL. Практические задания для закрепления навыков
работы с языком SQL и запросами к базам данных.
16) Машинное обучение. Рассмотрение этапа моделирования в рамках работы
инженера по машинному обучению. Обзор основных концепций машинного
обучения и его роли в разработке. Рассмотрение метода деревьев решений в
машинном обучении. Обучение применению алгоритма случайного леса в
машинном обучении. Практические задания для закрепления навыков работы с
моделями машинного обучения и их настройкой.
В данном курсе было предоставлено 188 обучающих видео, 31 практических заданий, а
также 18 тестовых заданий. Вышеуказанные задания были успешно пройдены.
Прохождения курса, определенно, помогло мне расширить мои знания и навыки в Data
Science. Несмотря на большой объем информации и практических заданий, удалось
заложить базу, которая непременно помогла в рабочей практике.
С уважением,
Главный администратор Back-Office ОППС УПС Али-Айдаров К.М.
Начальник ОППС УПС Салиев А.А.
Согласовано:
Начальник УПС Джумагулов К.К.
Заместитель Председателя Правления Мирбакиев Р.А.