Школа данных

Big Data подготовительный

Подготовка к овладению профессией Data Scientist

Для кого

Для всех желающих изучать машинное обучение и Data Science, а также желающих погрузиться в основы анализа данных в бизнесе. Курс помогает сориентироваться в области Data Science в бизнесе, а также подготовиться к прохождению технического основного курса по машинному обучению

Основной курс по машинному обучению

На занятиях

Мы покрываем основные возможности и кейсы применения технологий машинного обучения в бизнесе, а также процесс разработки аналитических проектов. Кроме этого, наш курс фокусируется на дисциплинах необходимых для изучения практического машинного обучения: линейная алгебра, методы оптимизации и язык Python

Программа

Факты о курсе

Все основные аспекты необходимые для ориентации в Data Science, а также технические аспекты необходимые для изучения практического машинного обучения

6

Занятий

Основы

Основные методы и инструменты машинного обучения, метрики качества, постановка задачи, интеграция в бизнес-процессы, процесс разработки аналитических продуктов

Python

Язык Python в применении к машинному обучению: основные библиотеки и их применение, а также математика, необходимая для анализа данных: линейная алгебра и методы оптимизации

Программа

Преимущества курса

Мы помогаем быстро сориентироваться в обширной области Big Data для бизнеса, а также подготовиться и повторить технические основы

Быстрое погружение в область Big Data и ИИ

Быстрое понимание основ и принципов работы основных методов и инструментов, ориентация в разнообразии подходов, включая как классическое машинное обучение, так и глубокое обучение, сверточные и рекуррентные нейросети. Связь с бизнес-процессом и основные роли в процессе разработки аналитических проектов

Фокусное изложение математики и Python

Пространства математики и Python довольно обширны. Мы собрали для вас и фокусировано рассказываем именно аспекты релевантные и необходимые в машинному обучении и анализе данных

Реальные кейсы на собственном опыте

Для иллюстрации всех аспектов курса мы используем реальные кейсы из разных направлений бизнеса, включая производство, транспорт, фитнес, банки и телеком

Наши клиенты

Big Data подготовительный

Программа

Занятие 1

Машинное обучение и Big Data. Основы

Как работает машинное обучение: почему машинное и почему обучение

Основные понятия машинного обучения (объекты, признаки)

Какие данные нужны, обучающая выборка

Задачи обучения с учителем и без

Основы решения задач обучения с учителем и популярные алгоритмы

Обучение без учителя: методы кластеризации и их интерпретация

Метрики качества алгоритмов машинного обучения

Занятие 2

Машинное обучения. Применение в бизнесе

Верификация качества модели бизнесом

Расчет бизнес-кейса для аналитическиз проектов

Важность выбора метрик качества и их влияние на бизнес-кейс

Особенности постановки задачи

Решаемые и не решаемые задачи

Интеграция модели в бизнес-процесс, планирование и реализация внедрения аналитических решений

Примеры современных задач анализа данных и кейсы из различных областей бизнеса

Занятие 3

Математика в машинном обучении: линейная алгебра и методы оптимизации

Понятие вектора и матрицы, операции над матрицами

Произведение и обращение матриц

Методы оптимизации функций многих переменных

Численные методы оптимизации.

Градиентный спуск

Стохастический градиентный спуск

Тонкая настройка параметров градиентного спуска

Занятие 4

Математика в машинном обучении: теория вероятностей

Понятие события и вероятности

Элементы комбинаторики

Основные теоремы в теории вероятности

Понятие выборки и статистики

Понятие правдоподобия

Методы оценивания параметров распределений

Занятие 5

Язык Python в машинном обучении

Настройка среды: установка Anaconda

Обзор Jupyter Notebook

Обзор стандартной библиотеки

Типа обьектов и работа с ними

Операторы, условные конструкции и циклы

Работа с последовательностями, таблицами

Алгоритмическая сложность

Основные структуры данных

Основные алгоритмы Computer Science

Библиотеки для анализа данных: numpy, scipy, pandas, scikit-learn, matplotlib, seaborn

Занятие 6

Введение в нейросети

Введение в анализ изображений

Примеры задач с качеством распознавания на уровне человеческого

Перцептрон

Метод обратного распространения ошибки

Сверточные нейронные сети (CNN)

Библиотеки для обучения сетей (Tensorflow, Keras)

Обзор основных архитектур нейронный сетей

Введение в анализ и генерацию текстов и анализ естественного языка

Рекуррентные нейросети и Sequence modelling

Оставить заявку

Детали курса

Курс проходит в формате интерактивных семинаров, доступных слушателям онлайн через передовые средства видеоконференций. Занятия проходят один раз в неделю по средам. Продолжительность каждого занятия 2 часа

Наша среда для телеконференций позволяет всем участникам видеть и слышать друг-друга, задавать вопросы в чате и голосом, видеть код друг друга. Все занятия записываются и доступны для прослушивания и после

Курс длится 6 занятий. Продолжительность каждого занятия 2 часа. Время проведения с 19:00 до 21:00. Занятия проходят по средам

Курс не предъявляет особых требований к участникам. Однако, знакомство или опыт работы с данными, а также техническое образование являются преимуществом

По окончании курса мы выдаем слушателям сертификат

Стоимость курса для одного участника составляет 30 000 рублей. Оплата возможна как по карте у нас на сайте, так и банковским переводом для юридического или физического лица

Оставьте заявку

Стоимость курса составляет 30 000 рублей с участника

+7 903 115 84 82
elina@dataschool.digital

Шаболовка, 8

Мы не используем Ваши данные за пределами оказания Вам наших услуг

Вверх