Mašininis mokymasis. Pagrindinis - kursas 52 668 rub. iš Otus, mokymai 6 mėn., data 2023 m. vasario 27 d.

įvairenybės / by admin / November 30, 2023

click fraud protection

Išmoksite spręsti problemas iš realių darbo procesų, kurie dažniausiai paskiriami pradedantiesiems duomenų mokslo specialistams. Iki kursų pabaigos surinksite darbų portfelį, baigsite pasiruošimą pokalbiui ir karjeros konsultacijas.

Kursas suteiks jums reikalingą pagrindą:
Python. Peržiūrėsite programavimo pagrindus ir išmoksite naudoti šią tinkamiausią kalbą atliekant mašininio mokymosi užduotis.
Matematika. Įvaldykite pagrindinius skyrius, kad suprastumėte teorinius algoritmų pagrindus ir principus.
Klasikiniai mašininio mokymosi modeliai. Surinkite savo duomenų rinkinius ir atlikite visą darbą su pirmaisiais modeliais.

Kūrybinė atmosfera:
Mokymų metu pasinersite į sąlygas, artimas realiems darbo procesams. Turėsite susidoroti su nešvariais duomenimis, galvoti iš anksto, eksperimentuoti su sprendimais ir paruošti modelius gamybai.
Klasės aplinka skatina mokinius būti smalsiems, aktyviai diskutuoti, nebijoti suklysti.

Asmeninis mentorius:
Internetinės sesijos 40 minučių kiekvieną savaitę;
Mokymų pradžioje jums paskiriamas mentorius. Kaip ir mokytojai, mentoriai yra duomenų mokslo ekspertai;

instagram viewer

Kartą per savaitę atliekate namų darbus, paskelbkite juos „GitHub“ ir susitarkite dėl pokalbio su mentoriumi;
Mentorius iš anksto susipažįsta su jūsų kodu, todėl susitikimo metu jau žino, į ką atkreipti dėmesį. Taip pat galite paruošti klausimus;
Sesijos metu mentorius pakomentuos jūsų sprendimą. Jei reikia, galite iš karto eiti į kūrimo aplinką, atlikti kodo pakeitimus ir iškart pamatyti rezultatą.

Po treniruotės galėsite:
Pretenduokite į pareigas, kurioms reikia jaunesniųjų kompetencijų
Išspręskite tikras verslo problemas naudodami mašininio mokymosi metodus
Dirbkite su Python bibliotekomis mašininiam mokymuisi
Susidoroti su nestandartinėmis situacijomis per gilų teorinį supratimą, kaip veikia algoritmai ir modeliai
Naršykite įvairiose duomenų mokslo srityse ir pasirinkite užduočiai tinkamus įrankius.

Marija Tikhonova

kursą

Dirba duomenų analitiku AGI NLP komandoje Sberbank. Dirba su neuroninių tinklų kalbų modeliais ir jų taikymu sprendžiant realias problemas. Mano, kad darbas duomenų mokslo srityje suteikia unikalų...

Dirba duomenų analitiku AGI NLP komandoje Sberbank. Dirba su neuroninių tinklų kalbų modeliais ir jų taikymu sprendžiant realias problemas. Jis mano, kad darbas duomenų mokslo srityje suteikia unikalią galimybę mokslo pakraštyje daryti beprotiškus šaunius dalykus, kurie keičia pasaulį čia ir dabar. Aukštojoje ekonomikos mokykloje dėsto duomenų analizės, mašininio mokymosi ir duomenų mokslo dalykus. Marija baigė Maskvos valstybinio universiteto Mechanikos ir matematikos fakultetą bei Yandex duomenų analizės mokyklą. Šiuo metu Maria yra Aukštosios ekonomikos mokyklos Kompiuterių fakulteto magistrantė. Jos moksliniai interesai apima tokias duomenų mokslo sritis kaip natūralios kalbos apdorojimas ir temų modeliavimas. Programos vadovas

Dmitrijus Sergejevas

kursą

Praktikuojantis mašininį mokymąsi ir duomenų analizę nuo 2012 m. Šiuo metu dirba „WeatherWell“ tyrimų ir plėtros vadovu. Turi patirties praktiškai taikant mašininį mokymąsi žaidimų kūrimo, bankininkystės ir...

Praktikuojantis mašininį mokymąsi ir duomenų analizę nuo 2012 m. Šiuo metu dirba „WeatherWell“ tyrimų ir plėtros vadovu. Turi praktinio mašininio mokymosi taikymo žaidimų kūrimo, bankininkystės ir Health Tech srityse patirties. Jis dėstė mašininį mokymąsi ir duomenų analizę Maskvos valstybinio universiteto Matematinių finansų centre, buvo kviestinis dėstytojas Nacionalinio mokslinių tyrimų universiteto Aukštosios ekonomikos mokyklos Informatikos fakultete ir įvairiose vasaros mokyklose. Išsilavinimas: Ekonomika-matematika REU im. Plekhanovas, Maskvos valstybinio universiteto Centrinis matematikos ir matematikos fakultetas, Aukštosios ekonomikos mokyklos Kompiuterių fakulteto kvalifikacijos kėlimas „Praktinė duomenų analizė ir mašininis mokymasis“, informatikos magistras Aalto Universiteto krūva / pomėgiai: Python, mašininis mokymasis, laiko eilutės, anomalijų aptikimas, atviri duomenys, ML socialiniams tinklams Gerai

Įvadas į Python
-1 tema.Susipažinimas
-Tema 2. Darbo aplinkos sutvarkymas
-3 tema.Pagrindiniai tipai ir duomenų struktūros. Srauto valdymas
-4 tema.Darbas su funkcijomis ir duomenimis
-5 tema. Git, apvalkalas

Įvadas į Python. OOP, moduliai, duomenų bazės
-6 tema. OOP pagrindai
-7 tema. Išplėstinė OOP, išimtys
-8 tema. Išplėstinė OOP, tęsinys
-9 tema.Moduliai ir importas
-10 tema. Testai
-11 tema. Supažindinimas su integruotais moduliais
-12 tema. Failai ir tinklas

Python pagrindai, skirti ML
-13 tema. NumPy pagrindai
-14 tema. Pandų pagrindai
-15 tema.Duomenų vizualizacija

ML teorinis minimumas: matematika, tiesinė, statistika
-16 tema.Matricos. Pagrindinės sąvokos ir operacijos
-17 tema.Praktika. Matricos
-18 tema. Funkcijų diferencijavimas ir optimizavimas
-19 tema.Praktika. Funkcijų diferencijavimas ir optimizavimas
-20 tema. Algoritmai ir skaičiavimo sudėtingumas
-21 tema.MNC ir MSE
-22 tema.Praktika. tarptautinės įmonės ir MSE
-23 tema. Atsitiktiniai dydžiai ir jų modeliavimas
-24 tema.Praktika. Atsitiktiniai dydžiai ir jų modeliavimas
-25 tema. Priklausomybių tyrimas: vardiniai, eiliniai ir kiekybiniai dydžiai
-26 tema.Praktika. Priklausomybių tyrimas: vardiniai, eiliniai ir kiekybiniai dydžiai
-Tema 27.AB testavimas

Pagrindiniai mašininio mokymosi metodai
-28 tema. Įvadas į mašininį mokymąsi
-29 tema. Tiriamoji duomenų analizė ir išankstinis apdorojimas
-30 tema. Klasifikavimo problema. Artimiausių kaimynų metodas
-31 tema.Regresijos problema. Tiesinė regresija
-32 tema.Logistinė regresija
-33 tema.Sprendimų medžiai
-34 tema. Funkcijų inžinerija ir pažangus išankstinis apdorojimas
-35 tema. Praktinė pamoka - Kaggle sprendimas naudojant viską, ką išmokome

Projektinis darbas
-36 tema. Temos parinkimas ir projektinio darbo organizavimas
-37 tema. Projekto konsultacija
-38 tema.Projekto apsauga

Žymos debesis

įvairenybės

įvertinimas

Peržiūros

Komentarai