Краща практика по роботі з сучасними методами аналізу даних та інструментам, необхідним для професійного розвитку в якості фахівця Наука про дані
що дасть вам цей курс
За 5 місяців ми послідовно познайомимося з сучасними методами аналізу даних. Курс дозволить не просто поверхнево вивчити принципи роботи алгоритмів машинного навчання, а на професійному рівні освоїти і застосовувати в роботі всі етапи роботи з даними, розуміючи, як, коли і навіщо вони використовуються.
проекти для портфоліо
У процесі навчання студенти розроблять кілька потужних проектів для портфоліо, які обов'язково оцінять потенційні роботодавці, і навчаться грамотно презентувати результати своїх робіт.
додаткові переваги
У програму також входить вивчення рідкісних і важливих тем, які зазвичай упускаються з уваги інших курсів, але дуже цінуються роботодавцями:
- побудова систем для автоматичного пошуку аномалій;
- Машинне навчання для прогнозування часових рядів;
- наскрізне трубопровідне виробництво, виробництво
Професійна програма розроблена спеціально для розробників і аналітиків, які хочуть значно розширити свої можливості і отримати необхідний набір знань і навичок для зміни своєї професії.
*********************** викладач:
Дмитро Сергєєв
Старший спеціаліст з обробки даних в Оура
Програмую і практикую аналіз даних з 2012 року. Останні 3 роки працював фахівець з обробки даних в компанії ZeptoLab, де займався всіма проектами, пов'язаними з машинним навчанням. Зараз отримую ступінь магістра в університеті Аалто у Фінляндії.
Викладав Машинне навчання і аналіз даних в центрі математичних фінансів МДУ, був запрошеним лектором на факультеті Комп'ютерних Наук НДУ ВШЕ і різних літніх школах.
Освіта:Эконом-мат РЕУ им. Плеханова, ЦМФ МДУ, ДПО ФКН ВШЕ" практичний аналіз даних і машинне навчання", Магістр університету Аалто
Стек/інтереси: Python, Машинне навчання, часові ряди, виявлення аномалій
мінімальні знання
Для проходження програми необхідні: - навички програмування на Python (досвід написання власних функцій),
- знання математичного аналізу (обчислення похідних складних функцій),
- знання лінійної алгебри (матричні операції та власні вектори),
- знання теорії ймовірностей і мат. статистики (розуміння дисперсії, мат. очікування, нормального закону розподілу).
****
- заберете з собою learn-матеріали по всіх заняттях (презентації, записи вебінарів, приклади практичних завдань);
- отримайте сертифікат російською про проходження курсу;
- навчіться використовувати методи машинного навчання для вирішення реальних бізнес-завдань;
- покращіть навички в технологіях Python, Pandas, Sklearn, Keras, нейромережі, SQL, обробка природної мови, глибоке навчання та інших, пов'язаних з вивчайте науку про дані;
<клас div="bbcodeblock bbCodeQuote"> ******
https://privatelink.de/?https://otus.ru/lessons/machinelearning/