все онлайн-курсы
Профессия Data Scientist: машинное обучение
Курс поможет вам освоить аналитические системы, машинное обучение и работу с нейросетями. С нуля за 13 месяцев вы станете востребованным IT-специалистом.
Преподаватели
| 
| 
|
Содержание курса
Аналитика. Начальный уровень.
- Введение.
- Основы Python: базовые структуры данных.
- Основы Python: циклы и условия.
- Основы Python: функции.
- Основы Python: классы и объекты.
- Основы Python: исключения.
- Библиотека NumPy. Часть 1.
- Библиотека NumPy. Часть 2.
- Библиотека pandas. Часть 1.
- Библиотека pandas. Часть 2.
- Визуализация данных с помощью matplotlib.
- Чтение и запись данных.
- Введение в SQL.
- Работа со строками.
Статистика и теория вероятностей.
- Основы статистики и теории вероятностей.
Машинное обучение. Начальный уровень.
- Основные концепции Machine Learning (ML).
- Жизненный цикл ML-проекта.
- Регрессия.
- Классификация.
- Кластеризация
- Дополнительные техники.
- Знакомство с Kaggle.
Математика для Data Science.
- Базовые математические объекты и SymPy. Дроби и преобразования.
- Базовые математические объекты и SymPy. Необходимые функции и некоторые дополнительные объекты.
- Функции одной переменной, их свойства и графики.
- Интерполяция и полиномы.
- Аппроксимация и преобразования функций.
- Функции нескольких переменных, их свойства и графики.
- Линейные функции.
- Матрицы и координаты.
- Линейные уравнения.
- Производная функции одной переменной.
- Производная по направлению и градиент частные производные.
- Линейная регрессия.
- Собственные векторы и значения. Определитель.
- Разложения матриц.
Машинное обучение. Средний уровень.
- Введение в нейронные сети.
- Обучение нейронных сетей.
- Нейронные сети на практике.
- Свёрточные нейросети для задачи классификации изображений.
- Семантическая сегментация. Часть 1. Слабая локализация и полносвёрточные нейросети (FCN).
- Семантическая сегментация. Часть 2. Продвинутые архитектуры FCN для семантической сегментации.
- Детектирование объектов.
- От дискриминативных моделей к генеративным. Style transfer.
- Генеративные состязательные сети.
- Введение в NLP.
- NLP на нейросетях. Рекуррентные нейросети, классификация текстов.
- NLP на нейросетях. Языковые модели, Attention, Transformer.
- Обучение с подкреплением. Q-Learning.
- Обучение с подкреплением. Deep Q-Learning.
- Ускорение и оптимизация нейронных сетей.
- Внедрение в DL моделей в Production.
- Рекомендательные системы.
- Вывод моделей машинного обучения в production, post production и мониторинг.
Универсальные знания программиста.
- Как стать первоклассным программистом.
- Как искать заказы на разработку.
- Личный бренд разработчика.
- Photoshop для программиста.
- Вёрстка email-рассылок. Советы на реальных примерах.
- The state of soft skills.
- Как мы создавали карту развития для разработчиков.
- Как общаться по email и эффективно работать с почтой.
- Повышение своей эффективности.
- Спор о первом языке программирования.
- Саморазвитие: как я не усидел на двух стульях и нашёл третий.
- Data-driven подход к продуктивности инсайты из данных миллиона людей.
Английский для IT-специалистов.
- IT Resume and CV.
- Job interview: questions and answers.
- Teamwork.
- Workplace communication.
- Business letter.
- Software development.
- System concept development and SRS.
- Design.
- Development and Testing.
- Deployment and Maintenance.
Кому подойдет данный курс
Курс подходит новичкам в сфере IT, программистам, а также менеджерам и владельцам своего бизнеса. Для освоения программы специальных знаний не требуется.
Приобретенные навыки
На курсе вы освоите следующие профессиональные навыки:
- владение Python для машинного обучения;
- применение алгоритмов машинного обучения;
- работа с различными источниками данных: CSV, XML и XLS;
- написание рекомендательных систем;
- работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL;
- работа с нейронными сетями;
- работа с библиотеками pandas, numpy, matplotlib.
А также вы научитесь:
- программировать на Python;
- визуализировать данные;
- строить модели машинного обучения;
- применять нейронные сети для решения реальных задач;
- работать с библиотеками и базами данных;
- писать рекомендательные системы.
В результате с нуля за 13 месяцев вы освоите востребованную профессию, получите ценный опыт от преподавателей-практиков и защитите дипломный проект. Полученные знания и навыки позволят вам претендовать на зарплату от 80 000 рублей.
Дополнительная информация
За год вы научитесь использовать алгоритмы машинного обучения и освоите работу с нейросетями. Онлайн-школа поможет вам в трудоустройстве.
