Masinõpe. Professionaalne - tasuta kursus Otust, koolitus 5 kuud, Kuupäev: 02.12.2023.
Varia / / December 05, 2023
Valdad järjepidevalt kaasaegseid andmeanalüüsi tööriistu ja oskad professionaalsel tasemel luua masinõppemudeleid. Oma oskuste tugevdamiseks iga algoritmi puhul teete kogu tööd alates andmekogumi ettevalmistamisest kuni tulemuste analüüsimiseni ja tootmiseks valmistumiseni. Saadud praktikast ja teadmistest piisab, et iseseisvalt lahendada klassikalisi ML-i probleeme ning kandideerida Junior+ ja Middle Data Scientisti ametikohtadele.
Portfelliprojektid
Kursusel läbid mitmeid portfoolioprojekte ja õpid oma töö tulemusi asjatundlikult esitlema, et intervjuusid läbida. Lõputöö jaoks võite valida ühe õpetaja pakutud valikutest või ellu viia oma idee.
Kellele see kursus on mõeldud?
Algajatele analüütikutele ja andmeteadlastele. Kursus aitab teadmisi süstematiseerida ja süvendada. Saate katsetada lähenemisviise, analüüsida tööjuhtumeid ja saada ekspertidelt kvaliteetset tagasisidet.
Arendajatele ja muude valdkondade spetsialistidele, kes soovivad vahetada eriala ja areneda andmeteaduse valdkonnas. Kursus annab võimaluse luua tugev portfoolio ja sukelduda andmeteadlasena reaalsete ülesannete õhkkonda.
Õppimiseks vajate Pythoni kogemust oma funktsioonide kirjutamise tasemel, samuti teadmisi matemaatilisest analüüsist, lineaaralgebrast, tõenäosusteooriast ja matemaatikast. statistika.
Kursuse omadused
Parimad tavad ja suundumused. Programmi uuendatakse igal käivitamisel, et kajastada andmeteaduse kiiresti muutuvaid suundumusi. Pärast koolitust on sul võimalik kohe asuda reaalsete projektidega tegelema.
Olulised teisejärgulised oskused. Kursusel on teemad, mis enamasti kahe silma vahele jäävad, kuid igapäevatöös spetsialistile vajalikud ja tööandjate poolt kõrgelt hinnatud:
— süsteemide ehitamine kõrvalekallete automaatseks otsimiseks;
— aegridade prognoosimine masinõppe abil;
— otsast lõpuni torujuhtmed andmetega töötamiseks, valmis tootmises juurutamiseks.
Loominguline õhkkond ja reaalsetele tööprotsessidele lähedased tingimused. Kogu kursus on üles ehitatud andmeteadlase igapäevase tööelu simulaatorina, millega tuleb toime tulla "määrdunud" andmed, arvutage oma tegevused ette, katsetage lahendusi ja koostage mudelid tootmine Sel juhul vajate uudishimu, visadust ja janu uute kogemuste järele.
3
muidugiTöötab Sberbanki AGI NLP meeskonnas andmeanalüütikuna. Töötab närvivõrgu keelemudelite ja nende rakendamise kallal reaalelu probleemides. Usub, et andmeteaduse valdkonnas töötamine pakub ainulaadset...
Töötab Sberbanki AGI NLP meeskonnas andmeanalüütikuna. Töötab närvivõrgu keelemudelite ja nende rakendamise kallal reaalelu probleemides. Ta usub, et andmeteaduse valdkonnas töötamine annab ainulaadse võimaluse teha teaduse äärel pööraselt lahedaid asju, mis muudavad maailma siin ja praegu. Õpetab Kõrgemas Majanduskoolis andmeanalüüsi, masinõppe ja andmeteaduse aineid. Maria on lõpetanud Moskva Riikliku Ülikooli mehaanika ja matemaatika teaduskonna ning Yandexi andmeanalüüsi kooli. Praegu õpib Maria Kõrgema Majanduskooli arvutiteaduse teaduskonnas. Tema uurimisvaldkonnad hõlmavad andmeteaduse valdkondi, nagu loomuliku keele töötlemine ja teemade modelleerimine. Programmijuht
3
muidugiMasinõppe ja andmeanalüüsi harjutamine alates 2012. aastast. Töötab praegu WeatherWelli teadus- ja arendustegevuse juhina. Omab masinõppe praktilise rakendamise kogemust mänguarenduses, panganduses ja...
Masinõppe ja andmeanalüüsi harjutamine alates 2012. aastast. Töötab praegu WeatherWelli teadus- ja arendustegevuse juhina. Omab masinõppe praktilise rakendamise kogemust mänguarenduses, panganduses ja Health Techis. Ta õpetas masinõpet ja andmeanalüüsi Moskva Riikliku Ülikooli Matemaatilise Finantseerimise Keskuses ning oli külalislektor Rahvusliku Uurimisülikooli Kõrgema Majanduskooli arvutiteaduse teaduskonnas ja erinevates suvekoolides. Haridus: Majandus-matemaatika REU im. Plehhanov, Moskva Riikliku Ülikooli matemaatika ja matemaatika keskteaduskond, Majanduskõrgkooli arvutiteaduse teaduskonna täiendõpe "Praktiline andmeanalüüs ja masinõpe", MSc arvutiteadus Aalto Ülikooli virn/huvid: Python, masinõpe, aegrida, anomaalia tuvastamine, avatud andmed, ML suhtlusvõrgustikele hea
Täiustatud masinõppetehnikad
-Teema 1. Sissejuhatav tund. Tutvuge praktilise näitega uuesti masinõppe põhikontseptsioonidega
-Teema 2.Otsustuspuud
- Teema 3. Python for ML: torujuhtmed, pandade kiirendus, mitmetöötlus
-Teema 4.Modeliansamblid
-Teema 5. Gradiendi suurendamine
-Teema 6.Toetage vektormasinat
-Teema 7.Dimensioonide vähendamise meetodid
-Teema 8. Õppimine ilma õpetajata. K-keskmised, EM-algoritm
-Teema 9. Õppimine ilma õpetajata. Hierarhiline klasterdamine. DB-Scan
-Teema 10. Andmetes anomaaliate leidmine
-Teema 11. Praktiline tund - Otsast otsa torustike ehitamine ja mudelite serialiseerimine
-Teema 12.Algoritmid graafikutel
Andmete kogumine. Tekstiandmete analüüs.
-Teema 13.Andmete kogumine
-Teema 14.Tekstiandmete analüüs. Osa 1: Eeltöötlus ja märgistamine
-Teema 15.Tekstiandmete analüüs. 2. osa: Sõnade vektorkujutised, töö eelkoolitatud manustega
-Teema 16.Tekstiandmete analüüs. 3. osa: Nimetatud olemi tuvastamine
-Teema 17.Tekstiandmete analüüs. 4. osa: Teema modelleerimine
-Teema 18.Q&A
Aegridade analüüs
-Teema 19. Aegridade analüüs. 1. osa: Probleemi püstitus, lihtsaimad meetodid. ARIMA mudel
-Teema 20. Aegridade analüüs. 2. osa: Masinõppemudelite funktsioonide eraldamine ja rakendamine. Automaatne prognoosimine
-Teema 21. Aegridade analüüs, 3. osa: aegridade rühmitamine (seotud aktsiate noteeringute otsimine)
Soovitussüsteemid
-Teema 22. Soovitussüsteemid. 1. osa: Probleemi avaldus, kvaliteedimõõdikud. Koostöö filtreerimine. Külmkäivitus
-Teema 23. Soovitussüsteemid. 2. osa: sisu filtreerimine, hübriidmeetodid. Ühingu reeglid
-Teema 24. Soovitussüsteemid. 3. osa: kaudne tagasiside
-Teema 25. Praktiline tund soovitussüsteemidest. Üllatus
-Teema 26.Q&A
Lisateemad
-Teema 27.Kaggle ML treening nr 1
-Teema 28.Kaggle ML treening nr 2
-Teema 29.ML Apache Sparkis
-Teema 30. Andmeteaduse töökohtade otsimine
Projektitöö
-Teema 31. Teema valik ja projektitöö korraldus
-Teema 32. Projektide ja kodutööde konsultatsioon
-Teema 33.Projekteerimistööde kaitsmine