Профессия Data Scientist: машинное обучение
-40%

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.

Организатор
Онлайн-университет Skillbox

Преподаватели

Валентин Пановский
Валентин Пановский
Chief Data Scientist в Skillbox.
Алла Тамбовцева
Алла Тамбовцева
Преподаватель НИУ ВШЭ.
Александр Джумурат
Александр Джумурат
Руководитель команды разра
Дмитрий Коробченко
Дмитрий Коробченко
Deep Learning R&D инженер и рук
Алексей Мастов
Алексей Мастов
Deep Learning инженер в NVIDIA.
Лидия Храмова
Лидия Храмова
Team Lead Data Scientist группы бизнес
Уровень
Начинающий
Длительность
13 месяцев
Документ
Диплом
Стоимость
79 000 ₽ 131 667 ₽
131 667 ₽
79 000 ₽

Содержание курса

Аналитика. Начальный уровень.

  1. Введение.
  2. Основы Python: базовые структуры данных.
  3. Основы Python: циклы и условия.
  4. Основы Python: функции.
  5. Основы Python: классы и объекты.
  6. Основы Python: исключения.
  7. Библиотека NumPy. Часть 1.
  8. Библиотека NumPy. Часть 2.
  9. Библиотека pandas. Часть 1.
  10. Библиотека pandas. Часть 2.
  11. Визуализация данных с помощью matplotlib.
  12. Чтение и запись данных.
  13. Введение в SQL.
  14. Работа со строками.

Статистика и теория вероятностей.

  1. Основы статистики и теории вероятностей.

Машинное обучение. Начальный уровень.

  1. Основные концепции Machine Learning (ML).
  2. Жизненный цикл ML-проекта.
  3. Регрессия.
  4. Классификация.
  5. Кластеризация
  6. Дополнительные техники.
  7. Знакомство с Kaggle.

Математика для Data Science.

  1. Базовые математические объекты и SymPy. Дроби и преобразования.
  2. Базовые математические объекты и SymPy. Необходимые функции и некоторые дополнительные объекты.
  3. Функции одной переменной, их свойства и графики.
  4. Интерполяция и полиномы.
  5. Аппроксимация и преобразования функций.
  6. Функции нескольких переменных, их свойства и графики.
  7. Линейные функции.
  8. Матрицы и координаты.
  9. Линейные уравнения.
  10. Производная функции одной переменной.
  11. Производная по направлению и градиент частные производные.
  12. Линейная регрессия.
  13. Собственные векторы и значения. Определитель.
  14. Разложения матриц.

Машинное обучение. Средний уровень.

  1. Введение в нейронные сети.
  2. Обучение нейронных сетей.
  3. Нейронные сети на практике.
  4. Свёрточные нейросети для задачи классификации изображений.
  5. Семантическая сегментация. Часть 1. Слабая локализация и полносвёрточные нейросети (FCN).
  6. Семантическая сегментация. Часть 2. Продвинутые архитектуры FCN для семантической сегментации.
  7. Детектирование объектов.
  8. От дискриминативных моделей к генеративным. Style transfer.
  9. Генеративные состязательные сети.
  10. Введение в NLP.
  11. NLP на нейросетях. Рекуррентные нейросети, классификация текстов.
  12. NLP на нейросетях. Языковые модели, Attention, Transformer.
  13. Обучение с подкреплением. Q-Learning.
  14. Обучение с подкреплением. Deep Q-Learning.
  15. Ускорение и оптимизация нейронных сетей.
  16. Внедрение в DL моделей в Production.
  17. Рекомендательные системы.
  18. Вывод моделей машинного обучения в production, post production и мониторинг.

Универсальные знания программиста.

  1. Как стать первоклассным программистом.
  2. Как искать заказы на разработку.
  3. Личный бренд разработчика.
  4. Photoshop для программиста.
  5. Вёрстка email-рассылок. Советы на реальных примерах.
  6. The state of soft skills.
  7. Как мы создавали карту развития для разработчиков.
  8. Как общаться по email и эффективно работать с почтой.
  9. Повышение своей эффективности.
  10. Спор о первом языке программирования.
  11. Саморазвитие: как я не усидел на двух стульях и нашёл третий.
  12. Data-driven подход к продуктивности инсайты из данных миллиона людей.

Английский для IT-специалистов.

  1. IT Resume and CV.
  2. Job interview: questions and answers.
  3. Teamwork.
  4. Workplace communication.
  5. Business letter.
  6. Software development.
  7. System concept development and SRS.
  8. Design.
  9. Development and Testing.
  10. 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.

Узнать больше о курсе
Обучение "Профессия Data Scientist: машинное обучение" от онлайн-школы Skillbox
Уровень
Начинающий
Длительность
13 месяцев
Документ
Диплом
131 667 ₽
79 000 ₽

Вам могут понравиться

Похожие курсы