Русский
Kirish Roʻyxatdan oʻtish

DATA SCIENCE

DATA SCIENCE

Ta'lim tili

Русский

Murakkablik

Boshlang'ich

Davomiyligi

6 oy

Kurs turi

Kunduzgi

Kurs tavsifi

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:

  • 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

Bu kurs kim uchun?

Школьникам, студентам ВУЗов, лицеев и колледжей, которые xотят освоить 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

Siz nimani o'rganasiz

Анализ данных
Машинное обучение
Глубокое обучение
Библиотеки Python
NumPy
Pandas
Anaconda
AutoML
Jupyter NoteBook

Kurs dasturi

1 Основы синтаксиса и базовые конструкции Python
Условия в языке Python, структуры данных в Python (Списки, Кортежи, Множества и Словари), Функции, Работа с файлами.
2 Линейная Алгебра
Векторы, матрицы и решения систем линейных уравнений.
3 Основы мат-анализа
Производные и интегралы, применение их на практике.
4 Jupyter Notebook, Anaconda
Инструмент, который позволяет запускать и отлаживать алгоритмы небольшими фрагментами, в составе которого набор свободных библиотек - Anaconda.
5 Введение в NumPy
Базовые операции, продвинутые операции и работа с матрицами в NumPy.
6 Введение в Pandas
Базовые операции, продвинутые операции и работа с отсутствующими данными.
7 Введение в Matplotlib
Построение графиков с помощью библиотеки Matplotlib.
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.
10 Алгоритмы решений
Деревья решений и алгоритм случайного леса.
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.
17 Введение в Big data
Введение в модели глубокого обучения для больших данных.
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.
22 AutoML
Автоматизированное машинное обучение. Автоматизации построения и оптимизации моделей.
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.

Muddatli to’lov shartlari

DATA SCIENCE
694 167 so’mdan / oyga

DATA SCIENCE

PROWEB
6 oy
Muddatli to’lov miqdori
10 965 000 so’mdan
Moliyalashtiruvchi tashkilot
IT Bilimlarni rivojlantirish markazi
Oylik to'lov miqdori
694 167 so’mdan

Muddatli to’lov rasmiylashtirish uchun Kirish yoki Ro‘yxatdan o‘tish saytda