Învățare automată. Profesional - curs gratuit de la Otus, training 5 luni, Data: 2 decembrie 2023.

Miscelaneu / by admin / December 05, 2023

click fraud protection

Veți stăpâni în mod constant instrumentele moderne de analiză a datelor și veți putea crea modele de învățare automată la nivel profesional. Pentru a vă consolida abilitățile cu fiecare algoritm, veți desfășura o serie de lucrări complete, de la pregătirea setului de date până la analizarea rezultatelor și pregătirea pentru producție. Practica și cunoștințele pe care le veți primi vor fi suficiente pentru a rezolva în mod independent problemele clasice de ML și pentru a aplica pentru posturi Junior+ și Middle Data Scientist.

Proiecte de portofoliu

Pe parcursul cursului, vei finaliza mai multe proiecte de portofoliu și vei învăța cum să prezinți cu competență rezultatele muncii tale pentru a promova interviuri. Pentru proiectul final, poți lua una dintre opțiunile propuse de profesor sau poți implementa propria idee.

Pentru cine este acest curs?

Pentru analiștii începători și cercetătorii de date. Cursul vă va ajuta să sistematizați și să vă aprofundați cunoștințele. Veți putea experimenta abordări, analiza cazuri de lucru și veți primi feedback de înaltă calitate de la experți.

instagram viewer

Pentru dezvoltatorii și specialiștii din alte domenii care doresc să-și schimbe profesia și să se dezvolte în domeniul Data Science. Cursul vă va oferi oportunitatea de a construi un portofoliu puternic și de a vă scufunda în atmosfera sarcinilor din viața reală ca om de știință de date.

Pentru a învăța, veți avea nevoie de experiență Python la nivelul scrierii propriilor funcții, precum și cunoștințe de analiză matematică, algebră liniară, teoria probabilităților și matematică. statistici.

Caracteristicile cursului

Cele mai bune practici și tendințe. La fiecare lansare, programul este actualizat pentru a reflecta tendințele în schimbare rapidă în Data Science. După antrenament, vei putea începe imediat să lucrezi la proiecte reale.

Abilități secundare importante. Cursul include subiecte care sunt de obicei trecute cu vederea, dar sunt necesare unui specialist în sarcinile de zi cu zi și sunt foarte apreciate de angajatori:
— sisteme de construcție pentru căutarea automată a anomaliilor;
— prognozarea seriilor temporale folosind învățarea automată;
— conducte end-to-end pentru lucrul cu date, gata pentru implementare în producție.

Atmosferă creativă și condiții apropiate de procesele reale de muncă. Întregul curs este construit ca un simulator al vieții de zi cu zi a unui om de știință de date, în care va trebui să faceți față date „murdare”, calculați-vă acțiunile în avans, experimentați cu soluții și pregătiți modele producție În acest caz, vei avea nevoie de curiozitate, perseverență și sete de experiențe noi.

Maria Tihonova

curs

Lucrează ca analist de date în echipa AGI NLP din Sberbank. Lucrează pe modele de limbaj de rețele neuronale și aplicarea acestora în probleme din viața reală. Consideră că munca în domeniul științei datelor oferă o unică...

Lucrează ca analist de date în echipa AGI NLP din Sberbank. Lucrează pe modele de limbaj de rețele neuronale și aplicarea acestora în probleme din viața reală. El crede că lucrul în domeniul științei datelor oferă o oportunitate unică de a face lucruri nebunești interesante la marginea științei, care schimbă lumea aici și acum. Predă discipline în analiza datelor, învățarea automată și știința datelor la Școala Superioară de Economie. Maria a absolvit Facultatea de Mecanică și Matematică a Universității de Stat din Moscova și Școala Yandex de Analiză a Datelor. Maria este în prezent studentă absolventă la Școala Superioară de Științe Economice din cadrul Facultății de Informatică. Interesele ei de cercetare includ domenii ale științei datelor, cum ar fi procesarea limbajului natural și modelarea subiectelor. Manager de program

Dmitri Sergheev

curs

Practicând învățarea automată și analiza datelor din 2012. În prezent lucrează ca șef de cercetare și dezvoltare la WeatherWell. Are experiență în aplicarea practică a învățării automate în dezvoltarea jocurilor, banking și Health Tech. A predat învățarea automată și analiza datelor la Centrul pentru Finanțe Matematice al Universității de Stat din Moscova și a fost lector invitat la Facultatea de Informatică a Școlii Superioare de Economie a Universității Naționale de Cercetare și la diferite școli de vară. Studii: Economie-matematică REU im. Plekhanov, Facultatea Centrală de Matematică și Matematică a Universității de Stat din Moscova, pregătire profesională avansată a Facultății de Informatică a Școlii Superioare de Economie „Analiză practică a datelor și învățare automată”, MSc Computer Science Aalto Stack/Interese universitare: Python, Machine Learning, Time Series, Detectare anomalii, Open Data, ML pentru social bun

Tehnici avansate de învățare automată
-Tema 1. Lecție introductivă. Revizuiți conceptele de bază ale învățării automate cu un exemplu practic
-Tema 2.Arborele de decizie
-Tema 3.Python pentru ML: conducte, accelerare panda, multiprocesare
-Tema 4.Ansambluri model
-Tema 5. Creșterea gradului
-Subiect 6.Suport mașină vectorială
-Tema 7.Metode de reducere a dimensionalității
-Tema 8. Învățarea fără profesor. K-means, algoritm EM
-Tema 9. Învățarea fără profesor. Gruparea ierarhică. DB-Scan
-Tema 10. Găsirea anomaliilor în date
-Tema 11. Lecție practică - Construcția conductelor end-to-end și serializarea modelelor
-Tema 12.Algoritmi pe grafice

Colectare de date. Analiza datelor text.
-Tema 13.Colectarea datelor
-Tema 14.Analiza datelor text. Partea 1: Preprocesare și tokenizare
-Tema 15.Analiza datelor text. Partea 2: Reprezentări vectoriale ale cuvintelor, lucrând cu înglobări pre-antrenate
-Tema 16.Analiza datelor text. Partea 3: Recunoașterea entității denumite
-Tema 17.Analiza datelor text. Partea 4: Modelarea subiectelor
-Subiectul 18.Întrebări și răspunsuri

Analiza serii temporale
-Tema 19. Analiza seriilor temporale. Partea 1: Enunțarea problemei, cele mai simple metode. model ARIMA
-Tema 20. Analiza seriilor temporale. Partea 2: Extragerea caracteristicilor și aplicarea modelelor de învățare automată. Prognoza automată
- Subiectul 21. Analiza seriilor temporale Partea 3: Clustering seriale temporale (căutarea cotațiilor bursiere aferente)

Sisteme de recomandare
-Tema 22. Sisteme de recomandare. Partea 1: Enunțarea problemei, parametrii de calitate. Filtrare colaborativa. Pornire la rece
-Tema 23. Sisteme de recomandare. Partea 2: Filtrarea conținutului, abordări hibride. Regulile de asociere
-Tema 24. Sisteme de recomandare. Partea 3: Feedback implicit
-Tema 25. Lecție practică despre sisteme de recomandare. Surprinde
-Subiectul 26.Întrebări și răspunsuri

Subiecte suplimentare
-Tema 27. Antrenamentul Kaggle ML Nr. 1
-Tema 28. Antrenamentul Kaggle ML Nr. 2
-Subiect 29.ML în Apache Spark
-Tema 30.Căutarea locurilor de muncă Data Science

Lucrul la proiect
-Tema 31. Selectarea temei și organizarea lucrărilor la proiect
-Tema 32. Consultare pe proiecte și teme
-Tema 33.Protecția lucrărilor de proiectare

Tag-uri nor

Miscelaneu

Evaluare

Vizualizări

Comentarii