Программирование [OTUS] Data Scientist. Часть 1 из 5

  • Автор темы Бошетунмай
  • Дата начала
Б

Бошетунмай


О курсе

Курс предназначен
для программистов и аналитиков, которых интересует область машинного обучения и анализа данных.

Цель прохождения курса — освоение алгоритмов машинного обучения и логических методов, позволяющих находить ценную информацию в крупных массивах данных и эффективно внедрять эту информацию для решения реальных бизнес-задач.

Курс дает комплексные ответы на следующие вопросы:
  • когда и зачем нужно анализировать данные?
  • какую пользу приносит анализ данных?
  • какие бывают данные?
  • каковы принципы работы алгоритмов машинного обучения?
  • как работать с неструктурированными (текстовыми) данными?
  • как работать с большими данными?

После обучения вы сможете:
  • использовать методы машинного обучения в практически полезных приложениях и исследованиях;
  • выбирать подходящие алгоритмы и метрики;
  • разбираться в математических основаниях алгоритмов машинного обучения;
  • проводить предварительную обработку данных (очистка, работа с пропусками, определение типа шкал);
  • проводить статистические исследования и интерпретировать их результаты;
  • создавать предсказательные модели для качественных и количественных данных;
  • применять методы обучения без учителя (кластеризация, снижение размерности);
  • работать с ограниченными датасетами, структурированными и неструктурированными данными;
  • проектировать архитектуру нейросетей и обучать их;
  • самостоятельно реализовывать весь процесс: от поиска полезной информации в массивах данных до построения схемы обработки данных в боевом окружении.

Особенность курса — сбалансированное сочетание теоретического изучения и практических действий, плюс высокая степень свободы при создании проекта. Это тот случай, когда технические возможности машинных алгоритмов будут использованы для решения реальных проблем бизнеса и общества. Вы научитесь видеть за моделями практический смысл и делать обобщения с учетом особенностей данных и специфики предметной области.


В результате обучения вы не только расширите свой инструментарий в области анализа данных, но и улучшите навыки в следующих технологиях: Python, Pandas, Sklearn, Keras, нейросети, SQL, логистическая регрессия, предсказательные модели, машинное обучение, математическая статистика, Natural language processing, Deep learning.

После прохождения курса в вашем распоряжении останутся:
  • презентации и видеозаписи занятий, все сопутствующие материалы;
  • собственные уникальные исследования, которые можно показывать при устройстве на работу;
  • один большой проект, решающий конкретную практическую проблему;
  • сертификат о прохождении обучения.

Требуемые трудозатраты в неделю: 2 вебинара + 3-5 часов на домашнюю работу.


Скачать:








 
Последнее редактирование модератором:
Сверху Снизу