Более 50 бесплатных курсов по Data Science и аналитике данных 2022 г. - UPROGER

Актуальные бесплатные курсы по машинному обучению, data science, аналитике. Большинство курсов на русском языке. Еще больше бесплатных материалов и курсов на нашем канале t.me/ai_machinelearning_big_data

«Data Science: будущее для каждого» — «Нетология».
«Введение в науку о данных» — СПбГУ.
«Введение в Data Science‎ и машинное обучение» — Институт биоинформатики.
«Нейронные сети» — Институт биоинформатики.
«Машинное обучение» — ОмГТУ.
«Машинное обучение в финансах» — «СберУниверситет».
«Анализ данных в R‎» — Институт биоинформатики.
«Анализ данных в Google Analytics» — Андрей Осипов.
«Теория вероятностей для начинающих» — МФТИ.
«‎Анализ данных просто и доступно» — Игорь Клейнер.
«Математические методы в психологии. Основы применения‎» — СПбГУ.
«Базовые навыки Excel‎» — SF Education.
«Квантовые вычисления» — СПбГУ.
«Анализ данных» — РЭУ им. Г.В. Плеханова.
«Практики оперативной аналитики в MS Excel‎» — СПбГУ.
«Исследование статистических взаимосвязей» — НГУ совместно с «2ГИС».
«Основы статистики» — Институт биоинформатики.
«Знакомство с R ‎и базовая статистика» — СПбГУ.
«Статистика для гуманитариев» — ТГУ.
«Эконометрика» — НИУ ВШЭ.
«Быстрый старт в искусственный интеллект» — МФТИ.
«‎Введение в информационный поиск» — МФТИ совместно с Mail.ru Group.
«Основы Python и анализа данных» — «Яндекс.Практикум».
«Математическая статистика‎» — Computer Science Center.
«BI-разработчик. Основы работы в Tableau» — Артём Прытков.
«Hadoop. Система для обработки больших объёмов данных» — Mail.ru Group.
«Теория игр» — МФТИ.
«A Crash Course in Data Science» — Университет Джонса Хопкинса.
«Introduction to Data Science» — Alison.
«Learn Data Science» — Dataquest.
«Data Science» — Гарвардский университет.
«Introduction to Data Science in Python» — Мичиганский университет.
«Learn Data Science With R Part 1 of 10» — Ram Reddy.
«Introduction to Data Science using Python» — Rakesh Gopalakrishnan.
«Learning to Love Statistics» — Нотрдамский университет.
Data Science: Wrangling. На курсе научитесь обрабатывать и преобразовывать необработанные данные в форматы, необходимые для анализа.
Data Science: Visualization. Изучите основные принципы визуализации данных.
Data Science: Machine Learning. На курсе изучите машинное обучение. Создатите систему рекомендаций фильмов и изучите научные основы одного из самых популярных и успешных методов обработки данных.
Principles, Statistical and Computational Tools for Reproducible Data Science. Изучите ряд концепций, моделей мышления, парадигм анализа, а также вычислительных и статистических инструментов, которые используются в науке о данных.
Data Science: Linear Regression. Узнайте, как использовать R для реализации линейной регрессии, одного из наиболее распространенных подходов к статистическому моделированию в науке о данных.
Введение в веб-аналитику от Якова Осипенкова.
Профессия маркетолог-аналитик от MAED.
Веб-аналитика для принятия решений.
Web-аналитик 2.0 от ConvertMonster.
1. Платформа Стэнфордского университета, на которой также можно найти неплохие курсы для разного уровня.
2. Курс «Теория вероятностей для начинающих».
Лучше Андрея Райгородского — преподавателя курса — никто не объяснит эту тему. Разжёвывает всё, даёт понятные примеры. Курс однозначно стоит внимания.
3. Курс «Основы статистики. Часть 2».
После основ статистики можно продолжить углублять знания в данной теме и пройти второй курс. Анатолий Карпов излагает материал максимально понятно и просто.
4. Курс «Нейронные сети».
Очередной отличный курс от Института биоинформатики. Для начинающих, возможно, будет немного сложно. Но курс в любом случае стоит внимания.
5. «Питонтьютор».
Сайт поможет изучить основы программирования на Python. Работа проходит прямо в браузере. Сначала читаешь статью, затем решаешь много практических задач от легкого уровня к сложному.
6. Курс «Ликбез по дискретной математике».
t.me/bigdatai -курсы и бесплатные инструментов по машинному обучению.