Набір учасників [Skillbox] Професія Data Scientist: Машинне навчання

[Gadzhi]

Переглянути вкладення 24096
​

• тривалість 13 місяців
• допомога в працевлаштуванні
• 7 курсів в одній програмі
• Доступ до курсу назавжди

на ринку не вистачає фахівців з Наука про дані

• 2 300 компаній зараз шукають фахівців в Наука про дані і машинне навчання
• 80 000 рублів зарплата початківця фахівця

дані сайту hh.ru
Кому підійде цей курс

• новачкам в це
  Ви отримаєте базові навички з аналітики, статистики та математики, які відкриють шлях до кар'єри в Наука про дані і Машинне навчання.
  
• програмістам
  Ви прокачаєте свої знання і навички в програмуванні на Пітон. Навчіться використовувати алгоритми машинного навчання, вирішувати бізнес-завдання - і підсиліть портфоліо потужними проектами.
  
• Менеджерам і власникам бізнесу
  Навчіться використовувати дані для побудови прогнозів і оптимізації бізнес-процесів і переведете компанію на новий рівень.

*********************** чому ви навчитеся
****

• програмувати на Python
  Освоїте найпопулярнішу мову для роботи з даними.

• візуалізувати дані
  Зможете розробляти дашборди або інтерактивну інфографіку.

• будувати моделі машинного навчання
  Вивчіть різні алгоритми, навчитеся вирішувати завдання регресії, класифікації та кластеризації.

• застосовувати нейронні мережі для вирішення реальних завдань
  Освоїте фреймворки для навчання нейронних мереж тензорний потік і Керас. Дізнаєтеся, як влаштовані нейронні мережі для завдань комп'ютерного зору і лінгвістики.

• працювати з бібліотеками та базами даних
  навчіться працювати з бібліотеками MongoDB, PostgreSQL, SQLite3, навчитеся працювати з бібліотеками Pandas, NumPy і Matpotlib.

• писати рекомендаційні системи
  Створите рекомендаційну систему і додасте її в своє портфоліо.

допомога у працевлаштуванні

• рекомендації щодо складання портфоліо і резюме
• Підготовка до співбесіди в компаніях-партнерах
• реальні замовники
  на захисті диплома
• персональні консультації з розвитку кар'єри

досвідчені HR-фахівці відповідають на питання, підбирають кращі вакансії, готують до співбесіди і допомагають кожному студенту отримати роботу мрії.

як проходить навчання
****

• вивчаєте тему
  В курсі-практичні відеоуроки.

• виконуєте завдання
  У тому темпі, в якому Вам зручно.

• працюєте з наставником
  Закріплюєте знання і виправляєте помилки.

• захищаєте дипломну роботу
  І доповнюєте нею своє портфоліо.

програма курсу
Аналітика
****

• введення.

• основи Python: базові структури даних.

• основи Python: цикли та умови.

• основи Python: функції.

• основи Python: класи та об'єкти.

• основи Python: винятки.

• бібліотека тупий. Частина 1.

• бібліотека тупий. Частина 2.

• бібліотека панди. Частина 1.

• бібліотека панди. Частина 2.

• Візуалізація даних за допомогою matplotlib.

• читання та запис даних.

• введення в SQL.

• Робота з рядками.

Статистика та теорія ймовірностей
****

• основи статистики та теорії ймовірностей.

Машинне навчання
****

• основні концепції Машинне навчання (ML).

• життєвий цикл МЛ-проекту.

• регресія.

• Класифікація.

• кластеризація

• Додаткові техніки.

• знайомство з Каггл.

Математика для наука про дату
****

• базові математичні об'єкти і симпатія. Дроби і перетворення.

• базові математичні об'єкти і симпатія. Необхідні функції і деякі додаткові об'єкти.

• функції однієї змінної, їх властивості і графіки.

• інтерполяція і поліноми.

• апроксимація і перетворення функцій.

• функції декількох змінних, їх властивості і графіки.

• лінійні функції.

• матриці і координати.

• Лінійні рівняння.

• похідна функції однієї змінної.

• похідна за напрямком і градієнт + приватні похідні .

• лінійна регресія.

• власні вектори і значення. Визначник.

• розкладання матриць.

Машинне навчання
****

• введення в нейронні мережі.

• навчання нейронних мереж.

• нейронні мережі на практиці.

• згорткові нейромережі для задачі класифікації зображень.

• семантична сегментація. Частина 1. Слабка локалізація і повносверточні нейромережі (FCN).

• семантична сегментація. Частина 2. Просунуті архітектури FCN для семантичної сегментації.

• детектування об'єктів.

• від дискримінативних моделей до генеративних. Передача стилю.

• генеративні змагальні мережі.

• введення в НЛП.

• НЛП на нейромережах. Рекурентні нейромережі, Класифікація текстів.

• НЛП на нейромережах. Мовні моделі, увага, Трансформер.

• навчання з підкріпленням. Q-Навчання.

• навчання з підкріпленням. Глибоке Q-Навчання.

• прискорення та оптимізація нейронних мереж.

• впровадження в DL моделей у виробництво.

• рекомендаційні системи.

• виведення моделей машинного навчання в продакшн, постпродакшн і моніторинг.

універсальні знання програміста
****

• Як стати першокласним програмістом.

• Як шукати замовлення на розробку.

• особистий бренд розробника.

• Photoshop для програміста.

• Верстка електронна пошта-розсилок. Поради на реальних прикладах.

• стан м'яких навичок.

• Як ми створювали карту розвитку для розробників.

• Як спілкуватися по електронна пошта і ефективно працювати з поштою.

• підвищення своєї ефективності.

• суперечка про першу мову програмування.

• саморозвиток: як я не всидів на двох стільцях і знайшов третій.

• керований даними підхід до продуктивності-інсайти з даних мільйона людей.

Англійська Для це
****

• це резюме і резюме.

• Співбесіда при прийомі на роботу: питання і відповіді.

• командна робота.

• комунікація на робочому місці.

• діловий лист.

• Розробка програмного забезпечення.

• Розробка концепції системи і SRS.

• Дизайн.

• Розробка та тестування.

• розгортання та технічне обслуговування.

**********
<клас div="bbcodeblock bbCodeQuote"> ****** https://privatelink.de/?https://skillbox.ru/course/profession-machine-learning/