Strojové učenie. Základný - kurz 52 668 rub. od Otus, školenie 6 mesiacov, termín 27.02.2023.

Rôzne / by admin / November 30, 2023

click fraud protection

Naučíte sa riešiť problémy z reálnych pracovných procesov, ktoré sú najčastejšie zadávané začínajúcim špecialistom v Data Science. Na konci kurzu budete mať zhromaždené portfólio práce, absolvovanú prípravu na pohovor a kariérne poradenstvo.

Kurz vám poskytne potrebné základy:
Python. Prejdete si základy programovania a naučíte sa používať tento najrelevantnejší jazyk v úlohách strojového učenia.
Matematika. Zvládnite kľúčové časti, aby ste pochopili teoretické základy a princípy algoritmov.
Klasické modely strojového učenia. Zhromaždite svoje súbory údajov a dokončite celý rad práce s vašimi prvými modelmi.

Kreatívna atmosféra:
Počas tréningu budete ponorení do podmienok blízkych skutočným pracovným procesom. Budete sa musieť vysporiadať so špinavými dátami, myslieť dopredu, experimentovať s riešeniami a pripravovať modely na výrobu.
Prostredie v triede povzbudzuje žiakov, aby boli zvedaví, aktívne diskutovali a nebáli sa robiť chyby.

Osobný mentor:
Online stretnutia po dobu 40 minút každý týždeň;

instagram viewer

Na začiatku vášho tréningu je vám pridelený mentor. Rovnako ako učitelia, aj mentori sú experti pracujúci v Data Science;
Raz týždenne si urobíte domácu úlohu, uverejníte ju na GitHub a dohodnete si hovor so svojím mentorom;
Mentor sa vopred oboznámi s vaším kódexom, takže v čase stretnutia už vie, na čo si má dať pozor. Môžete si pripraviť aj otázky;
Počas sedenia sa mentor vyjadrí k vášmu rozhodnutiu. V prípade potreby môžete okamžite prejsť do vývojového prostredia, vykonať zmeny v kóde a okamžite vidieť výsledok.

Po tréningu budete vedieť:
Uchádzajte sa o pozície, ktoré vyžadujú juniorské kompetencie
Vyriešte skutočné obchodné problémy pomocou metód strojového učenia
Pracujte s knižnicami Pythonu pre strojové učenie
Zvládanie neštandardných situácií prostredníctvom hlbokého teoretického pochopenia fungovania algoritmov a modelov
Navigujte v rôznych oblastiach Data Science a vyberte si nástroje vhodné pre danú úlohu.

Mária Tichonová

kurz

Pracuje ako dátový analytik v tíme AGI NLP v Sberbank. Pracuje na jazykových modeloch neurónových sietí a ich aplikácii v reálnych problémoch. Verí, že práca v oblasti Data Science poskytuje jedinečnú príležitosť robiť bláznivé skvelé veci na okraji vedy, ktoré menia svet tu a teraz. Vyučuje predmety v oblasti analýzy údajov, strojového učenia a vedy o údajoch na Vysokej škole ekonomickej. Maria vyštudovala Fakultu mechaniky a matematiky Moskovskej štátnej univerzity a Yandex School of Data Analysis. Mária v súčasnosti študuje na Vysokej škole ekonomickej na Fakulte informatiky. Medzi jej výskumné záujmy patria oblasti vedy o údajoch, ako je spracovanie prirodzeného jazyka a modelovanie tém. Programový manažér

Dmitrij Sergejev

kurz

Cvičenie strojového učenia a analýzy dát od roku 2012. V súčasnosti pracuje ako vedúci výskumu a vývoja v spoločnosti WeatherWell. Má skúsenosti s praktickou aplikáciou strojového učenia pri vývoji hier, bankovníctve a Health Tech. Vyučoval strojové učenie a analýzu údajov v Centre pre matematické financie Moskovskej štátnej univerzity a bol hosťujúcim lektorom na Fakulte informatiky Vysokej školy ekonomickej Národnej výskumnej univerzity a na rôznych letných školách. Vzdelanie: Ekonomika-matematika REU im. Plekhanov, Ústredná fakulta matematiky a matematiky Moskovskej štátnej univerzity, pokročilá odborná príprava Fakulty informatiky Vysokej školy ekonomickej „Praktická analýza údajov a strojové učenie“, MSc Computer Science Aalto Univerzitný balík/záujmy: Python, strojové učenie, časové rady, detekcia anomálií, otvorené dáta, ML pre sociálne siete dobre

Úvod do Pythonu
-Téma 1.Poznávanie
-Téma 2. Nastavenie pracovného prostredia
-Téma 3.Základné typy a dátové štruktúry. Kontrola prietoku
-Téma 4.Práca s funkciami a dátami
-Téma 5.Git, shell

Úvod do Pythonu. OOP, moduly, databázy
-Téma 6. Základy OOP
-Téma 7.Pokročilé OOP, výnimky
-Téma 8.Pokročilé OOP, pokračovanie
-Téma 9.Moduly a importy
-Téma 10.Testy
-Téma 11.Úvod do vstavaných modulov
-Téma 12. Súbory a sieť

Základy jazyka Python pre ML
-Téma 13. Základy NumPy
-Téma 14. Základy pandy
-Téma 15. Vizualizácia údajov

Teoretické minimum pre ML: matematika, lineárna, štatistika
-Téma 16.Matriky. Základné koncepty a operácie
-Téma 17.Cvičenie. Matrice
-Téma 18. Diferenciácia a optimalizácia funkcií
-Téma 19.Cvičenie. Diferenciácia a optimalizácia funkcií
-Téma 20. Algoritmy a výpočtová zložitosť
-Téma 21.MNC a MSE
-Téma 22.Cvičenie. MNE a MSE
-Téma 23. Náhodné veličiny a ich modelovanie
-Téma 24.Cvičenie. Náhodné veličiny a ich modelovanie
-Téma 25. Štúdium závislostí: nominálne, ordinálne a kvantitatívne veličiny
-Téma 26.Cvičenie. Štúdium závislostí: nominálne, ordinálne a kvantitatívne veličiny
-Téma 27.AB testovanie

Základné metódy strojového učenia
-Téma 28.Úvod do strojového učenia
-Téma 29. Prieskumná analýza údajov a predspracovanie
-Téma 30. Klasifikačný problém. Metóda najbližších susedov
-Téma 31.Regresný problém. Lineárna regresia
-Téma 32.Logistická regresia
-Téma 33.Rozhodovacie stromy
-Téma 34.Funkčné inžinierstvo a pokročilé predspracovanie
-Téma 35. Praktická lekcia - riešenie Kaggle pomocou všetkého, čo sme sa naučili

Projektová práca
-Téma 36. Výber témy a organizácia projektovej práce
-Téma 37. Konzultácia projektu
-Téma 38.Ochrana projektu

Štítky cloud

Rôzne

hodnotenie

zobrazenie

Komentáre