
Садирмекова Жанна Бакирбаевна
PhD доктор, “Ақпараттық жүйелер” кафедрасының қауымдастырылған профессоры.
Пәннің мақсаты мен міндеттері. Деректерді өңдеу, визуалдау және талдау бойынша мамандандырылған кітапханалармен жұмыс істеу дағдыларын қалыптастыру және дамыту (pandas, numpy, plotly), мәліметтермен жұмыс істеу дағдыларын дамыту: жинақтау, өңдеу, визуализация, интеллектті талдау. «Python-да деректерді талдау» пәнін оқып-үйренудің міндеттері: деректерге талдау жүргізу дағдыларын игеру; plotly арқылы интерактивті визуализацияларды жасау; pandas-та мәліметтерді жүктеу және олармен жұмыс істеу қабілетін игеру
Осы курсты аяқтағаннан кейін сіз келесі қабілеттерге ие боласыз: Білу керек: машиналық оқыту проблемаларының түрлері, оны шешудің дұрыс модельдерін таңдау, параметрлерін таңдау және ең жақсы моделін таңдау; нейрондық желілер принциптері. Істей білу: сипаттамалық статистиканы есептеу, үлестірімді бағалау, корреляцияны интерпретациялау; деректерді визуализациялау үшін дұрыс диаграммаларды таңдау, олардың сыртқы түрін реттеу, диаграммаларды түсіндіру; жіктеу, регрессия және кластерлеудің қарапайым мәселелерін шешу; зерттеу сұрақтарын қоюдан нәтижелерді интерпретациялауға дейін машиналық оқыту мәселелерін шешу; деректерді талдау үшін дайын нейрондық желілерді қолдану; желілік талдауға мәліметтер дайындау және әлеуметтік графиктер құру; json пішімін кестеге түрлендіру; сипаттамалық статистиканы есептеу, үлестірімді бағалау, корреляцияны түсіндіру.
- істей білу: сипаттамалық статистиканы есептеу, үлестірімді бағалау, корреляцияны интерпретациялау; деректерді визуализациялау үшін дұрыс диаграммаларды таңдау, олардың сыртқы түрін реттеу, диаграммаларды түсіндіру; жіктеу, регрессия және кластерлеудің қарапайым мәселелерін шешу; зерттеу сұрақтарын қоюдан нәтижелерді интерпретациялауға дейін машиналық оқыту мәселелерін шешу; деректерді талдау үшін дайын нейрондық желілерді қолдану; желілік талдауға мәліметтер дайындау және әлеуметтік графиктер құру; json пішімін кестеге түрлендіру; сипаттамалық статистиканы есептеу, үлестірімді бағалау, корреляцияны түсіндіру. - Білу керек: машиналық оқыту проблемаларының түрлері, оны шешудің дұрыс модельдерін таңдау, параметрлерін таңдау және ең жақсы моделін таңдау; нейрондық желілер принциптері.
PhD доктор, “Ақпараттық жүйелер” кафедрасының қауымдастырылған профессоры.