Набір учасників [TeachMeSkills] Data Scientist - 2021 (Богдан)

[Gadzhi]

Переглянути вкладення 24097
​

навчимо Data Science з нуля за 7,5 місяців.

ким ти станеш:
З розвитком технологій і повсюдним використанням гаджетів все легше стає збирати різні дані про те, що відбувається в світі — від наших кліків в Інтернет-просторі до структури розвитку людського геному. Для того, щоб вміти поводитися з цими даними, і існує Data Science. Яку пісню запропонувати тобі для прослуховування? Як визначити, де пішохід, а де зустрічна машина під час руху? Як спрогнозувати зміну цін на криптовалюту в майбутньому? На цьому курсі ти зможеш зрозуміти, як працюють всі перераховані вище алгоритми, а також навчишся будувати свої предиктивні моделі, використовуючи фреймворки TensorFlow і PyTorch.

твій результат в кінці курсу:

1. Вивчиш основні алгоритми машинного навчання і натренуєш свої моделі
2. Побудуєш і навчиш глибокі нейронні мережі, визначиш архітектурні параметри
3. Використовуєш кращі методики для оцінки якості моделей і їх оптимізації
4. Навчишся стратегіям end-to-end, трансферу та багатозадачного машинного навчання
5. Побудуєш згорткові і рекурентні нейронні мережі, використовуючи фреймворки PyTorch і tensorflow
6. Станеш затребуваним фахівцем у сфері Data Science

Спойлер: інформація

Модуль 1-Введення

• короткий огляд курсу і завдань Machine Learning
  
• Що таке Machine Learning, Data Science, AI
  
• Google Colab, Jupyter Notebook, налаштування середовища

Модуль 2-Python для Data Science

• введення в Python
  
• Основи роботи з Python

Модуль 3 - системи контролю версій - Git

• Git-введення
• Git Flow
• Git-практика

Модуль 4 - Основи Python (типи і структури даних)

• оператори, вирази
• числа з плаваючою точкою (int/float)
• float 2
• базові колекції 1-list (списки)
• базові колекції: рядки
• базові колекції: словники та множини
• базові колекції: кортежі

Модуль 5 - Основи Python (логічні вирази і цикли)

• умовний оператор if, розгалуження
• умовний оператор if: продовження
• цикл while
• For: цикли з лічильником
• For: цикли з лічильником, частина 2. Функція range
• Цикл for: робота з рядками
• вкладені цикли

Модуль 6 - Основи Python (функції)

• функції
• методи для роботи зі списком
• List comprehensions
• функції-рекурсія

Модуль 7 - Основи Python (класи)

• класи

Модуль 8 - 9 - Маніпуляції з даними. Бази даних і SQL

• вивчити основні методи і структури даних бібліотеки pandas
• Витяг даних, візуалізація результатів
• групування, підрахунок метрик
• перетворення даних
• бази даних
• SQLite
• SQL запити
• ORM

Модуль 10 - PostgreSQL і SQLAlchemy

• складні запити
• PostgreSQL
• SQLAlchemy
• функції та тригери
• ORM

Модуль 11-12-базовий математичний рівень для Data Science і реалізація в Python

• Лінійна алгебра (основи матричного числення), вектори, векторний простір
• обчислення за допомогою NumPy
• матриці. Реалізація матричних операцій на мові Python
• Основи теорії ймовірності та математичної статистики. Основи мат. аналізу
• розподілу, довірчі інтервали
• кореляція
• базовий експлоративний аналіз та візуалізація даних
• Робота з даними в Pandas

Модуль 13-Data Visualization

• Візуалізація даних в Matplotlib
• Plotly

Модуль 14 -15-класичні Machine Learning-алгоритми

• навчання з учителем/без вчителя/з підкріпленням
• функція помилок
• градієнтний спуск
• лінійна регресія

Модуль 16-17-продовжуємо з лінійною регресією

• множинна лінійна регресія
• Класифікація (логістична регресія)
• перенавчання (регуляризація)
• Недообучение
• інші алгоритми (метод опорних векторів)

Модуль 18-Введення в нейронні мережі

• поняття нейронних мереж. Нейрон. Багатошаровий персептрон
• функції активації
• Learning (Forward, Backpropagation)
• зсув/розкид (Bias/Variance)
• криві навчання (Learning curves)
• метрики оцінки

Модуль 19 - 20 - Ансамблеві методи

• дерева рішень
• ансамблеві методи Boosting/Bagging
• градієнтний бустинг
• Random Forest

Модуль 21 - навчання без вчителя (кластеризація)

• метод k-середніх
• ієрархічна кластеризація
• DBSCAN
• виявлення аномалій

Модуль 22-зниження розмірності

• метод головних компонент (PCA)
• стохастичне вкладення сусідів з t-розподілом (T-SNE)

Модуль 23-Рекомендаційна система

• заснована на користувачах
  
• заснована на контенті
  
• колабораційний фільтр
  
• моделі прогнозування часових рядів

Модуль 24-робота з великими даними

• Large scale algo
• Batching
• Cross-Validation
• Map reduce

Модуль 25 - 26 - нейронні мережі та Deep Learning

• Класифікація архітектур нейронних мереж
• види шарів (і класифікація нейронів)
• навчання: функція втрат, зворотне поширення помилки, оптимізатори, стохастичний градієнт
• Регуляризация
• ознайомлення з бібліотеками для Deep Learning

Модуль 27-29-рішення проблем з тренуванням глибоких нейромереж

• покращуємо глибокі нейромережі
• оптимізація гіперпараметрів, регуляризація та оптимізація
• Gradient vanishing/explosion

Модуль 30 - 31 - Data Science project pipeline

• Structuring Machine Learning Projects
• Transfer Learning

Модуль 32 - 34 - Згорткові нейромережі

• введення
• операція згортки
• шари в згорткових нейромережах
• базова структура згорткової нейромережі
• Класифікація об'єктів

Модуль 35 - 37-застосування згорткових нейромереж

• Object detection
• розпізнавання обличчя
• перенесення стилів

Модуль 38 - 42 - Sequence Models

• Рекурентна нейромережа (RNN)
• керований рекурентний блок (GRU)
• Довга короткострокова пам'ять (LSTM)
• Двонаправлена RNN/LSTM
• механізм уваги

Модуль 43-44-основи Natural Language Processing (NLP)

• Word2Vec, GloVe і Fastext
• BERT

Модуль 45 - 46-основи Times Series Prediction

• класичні підходи застосування статистики
• Передобробка часових рядів
• застосування Deep Learning

Модуль 47-49-приклади рішень задач СV, NLP, Time Series prediction

• сегментація об'єктів на зображенні
• аналіз емоційної забарвленості тексту
• класифікації тексту

Модуль 50-52-основи Computer Science для Data Science

• основи Computer Science (ООП)
• базові алгоритми та структури даних
• інкапсуляція, успадкування та поліморфізм
• перевантаження операторів
• MRO
• статичні методи, методи класу, property
• Метаклассы
• класи даних

Модуль 53-Основи Web

• Flask or Fast API

Модуль 54-55-Основи роботи в хмарних сервісах

• знайомство з AWS
• бази даних на AWS -- RedShift
• AWS SageMaker, S3
• AWS Textract
• Google Cloud Platform
• Google Vision
• Деплой свого проекту на GCP (App Engine)

Модуль 56-57-закріплення підсумкового матеріалу і вибір дипломного проекту

Модуль 58-Підготовка до технічної співбесіди

Модуль 59-Онлайн-тренінг"працевлаштування в IT"

• складання резюме (теорія + практика)
  
• складання профілю на LinkedIn (теорія + практика)
  
• проходження інтерв'ю
  
• Soft skills, які важливі в рамках інтерв'ю
  
• проведення пробного інтерв'ю

Модуль 60-Захист дипломних проектів

Загальна вартість курсу: 2800 (BYN)
https://privatelink.de/?https://teachmeskills.by/kursy-programmirovaniya/data-scientist-online