Курс Data Science / Machine Learning Fundamentals
Описание курса
Курс проводится компанией ITEA WORLD LLP в режиме онлайн.
—
Возможности для специалистов Data Science - одной из самых перспективных профессий на сегодня - растут очень быстро в ответ на экспоненциальный рост объема собираемых и анализируемых данных.
Компании нанимают Data Science инженеров для поиска скрытых закономерностей в данных и решения значимых бизнес задач. Получите современные знания и практические навыки, которые помогут вам успешно начать двигаться по пути Data Science специалиста.
После курса вы сможете:
- Исследовать предметную область в реальных бизнес задачах и предлагать решения с использованием концепций Data Science и Machine Learning
- Применять ключевые концепции сбора, подготовки, исследования и визуализации данных;
- Создавать решения на реальных практических примерах для разнородных данных с использованием платформы Microsoft Azure Machine Learning.
- Использовать современные методы машинного обучения для решения задач прогнозирования и классификации;
- Сегментировать большие данные, создавать рекомендационные модели для облегчения принятия стратегических решений.
Программа курса:
- 1. Введение в Data Science и Machine Learning
- Базовые понятия Big Data, Business Intelligence, Data Mining, Data Science, Machine Learning, Artificial Intelligence
- История развития Data Science, современные перспективы
- Кто такой Data Scientist, навыки. Вопросы на собеседовании.
- Обзор процесса Data Science проекта
- Сценарии использования и применения ML в современном мире
- Обзор успешных проектов по Big Data и Machine Learning
- 2. Data Science Process and Frameworks
- Планирование и подготовка работы
- Исторический обзор методологий ведения Data Science решений
- Детальный обзор современного Data Science процесса и его этапов
- Команда и роли специалистов в проектах Data Science
- Обзор популярных фреймворков и инструментов для Data Science решений
- Workshop 1: Этап Business Understanding
- Основы работы с системой контроля версий
- 3. Предварительная обработка данных
- Загрузка исходных данных для анализа в систему (ETL)
- Data cleansing and transformation
- Data Sampling and Quantization
- Workshop 2: Подготовка данных для проекта
- Подходы и методики для визуализации данных
- Практика: Визуализация данных с помощью Power BI и R
- 4. Прогнозирование и классификация
- Теоретический обзор проблемы и основных методов
- Введение в искусственные нейронные сети для решения различных задач
- Процесс создания реальных программных моделей для прогнозирования и классификации
- Оценка точности обученных моделей, выбор лучшей
- Workshop 3: Создание моделей прогнозирования и классификации
- 5. Кластеризация и рекомендационные алгоритмы
- Теоретический обзор проблемы и основных методов
- Процесс создания реальных программных моделей для кластеризации, рекомендационных алгоритмов
- Оценка точности обученных моделей, выбор лучшей
- Введение в обработку естественного языка
- Workshop 4: Создание моделей кластеризации и рекомендационных моделей
- 6. Имплементация моделей машинного обучения
- Временные ряды и прогнозирование событий
- Имплементация моделей машинного обучения для дальнейшего использования
- Обсуждение результатов выполнения домашних заданий
- Примеры архитектур полноценного проекта
- Workshop 5: Имплементация моделей машинного обучения
- Подведение итогов курса, презентация проектов
- Рекомендуемые материалы и шаги для дальнейшего изучения
- 7. Защита курсового проекта
Минимальные требования:
- Знание основ алгебры и математической статистики
- Знание английского языка на уровне Intermediate
- Наличие собственного ноутбука для занятий в аудиториях
* Примечание: указанные скидки не суммируются с другими действующими акциями и специальными предложениями. Скидка применяется только к новым заявкам и при условии полной оплаты. Если у Вас возникли вопросы, обращайтесь за консультацией к нашим менеджерам!