DATA SCIENCE / Онлайн
Язык обучения
Русский
Сложность
Начальный
Длительность
6 месяцев
Тип курса
Дистанционно
Описание курса
Всего за 6 месяцев обучения вы освоите анализ данных, научитесь работать с библиотеками Python, строить, тестировать и развертывать модели машинного обучения, обрабатывать большие данные и разрабатывать решения для реальных задач.
Преимущества обучения в PROWEB:
- Бесплатный коворкинг для студентов
- Техническая поддержка
- Оборудованные кабинеты
- Помощь в трудоустройстве
- Бесплатный базовый курс по компьютерной грамотности
- Видеозапись урока
- Бесплатные открытые уроки и мастер-классы
Кому подойдет этот курс
Cтудентам ВУЗов, лицеев и колледжей, которые xотят научиться работать с данными и освоить современную высокооплачиваемую профессию
Бизнес аналитикам, кто работает с данными в рамках бизнеса и хочет научиться извлекать из них ценные инсайты для принятия обоснованных решений
Программистам, разработчикам и инженерам, которые хотят расширить свои навыки и узнать больше о машинном обучении и анализе данных
Чему вы научитесь
Анализ данных
Машинное обучение
Глубокое обучение Библиотеки Python
NumPy
Pandas
Anaconda
AutoML
NoteBook
Работа с Big Data
Программа курса
1
Основы синтаксиса и базовые конструкции Python
Условия в языке Python, структуры данных в Python (Списки, Кортежи, Множества и Словари), Функции, Работа с файлами.
4
Jupyter Notebook, Anaconda
Инструмент, который позволяет запускать и отлаживать алгоритмы небольшими фрагментами, в составе которого набор свободных библиотек - Anaconda.
8
Введение в Seaborn
Создание графиков, основные понятия статистики, распределения вероятностей, тестирование гипотез, корреляция и регрессия.
9
Введение в машинное обучение
Разделение данных на обучающие и тестовые, основы линейной и логистической регрессии на практике.
11
Метод опорных векторов (SVM)
SVM - один из наиболее популярных методов обучения, который применяется для решения задач классификации и регрессии.
12
Кластеризация
Задача группировки множества объектов на подмножества с использованием алгоритма k-means.
13
PCA и снижение размерности
Один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации.
14
Оценка моделей, Cross-Validation
Анализ главных компонент для упрощения данных, оценка модели с помощью Cross-Validation.
15
Введение в глубокое обучение
Глубокое обучение рекуррентные и сверточные нейронные сети, применение их в различных задачах.
16
Введение NLP
Одно из направлений искусственного интеллекта, которое работает с анализом, пониманием и генерацией живых языков.
18
Практический урок по Data Science
Анализ данных о пассажирах Titanic; Введение в обработку естественного языка; Введение в Big Data и распределенные вычисления. Финальный проект (Часть 1).
19
Анализ временных рядов
Статистический метод анализа данных, состоящих из последовательности значений, собранных через равные промежутки времени.
20
Рекомендательные системы
Внедрение рекомендательных систем, используя контентные и коллаборативные методы фильтрации.
21
XAI
Модель, которая могла бы в перспективе объяснять механизмы, лежащие за алгоритмами машинного обучения.
23
Развертывание моделей
Развертывание модели в реальных условиях с помощью Flask, Docker и REST API, а также работа с Apache Spark для обработки больших данных.
24
Финальный проект (Часть 2)
Завершение проекта. Подведение итогов и обсуждение карьерных возможностей в Data Science.
Условия рассрочки
Сумма рассрочки
от 9 675 000 сумФинансирующая организация
Центр развития IT-знанийЕжемесячная сумма погашения
от 612 500 сумДля того, чтобы оформить рассрочку необходимо Войти или Зерегистрироватьсяна сайте
Вход
Войдите, используя свой номер телефона и пароль