[Нетология] Профессия - Data Scientist (2019)

Нетология Профессия - Data Scientist (2019)
Описание курса:

Курс состоит из более чем 180 часов видео и домашних заданий от ведущих специалистов по Data Scientist компаний Mail.ru, Ivi и Avito.

Первые два набора уже удачно состоялись, и студенты вовсю погрузились в базовые алгоритмы ML, feature engineering, машинное зрение, Data Scientist в e-commerce, временные ряды и прогнозирование стоимости акций и других товаров.

Их преподавателями стали эксперты из Yandex Data Factory, Rambler & Co, Сбербанк Технологии и теперь у вас появится возможность получить все необходимые знания и навыки для работы в области больших данных.
Программа обучения:

I Подготовительный блок: Экспресс-обучение основным инструментам: Python 3, git, библиотеки numpy, pandas. Обзор основного математического аппарата: матричные операции, введение в статистику и проверку гипотез.
II Введение в data science, основные инструменты: Что такое data science, big data, как это работает и где применяется. Эксплоративный анализ и библиотеки визуализации данных. Обзор методов машинного обучения в бибилотеке scikit-learn.
III Базовые алгоритмы и понятия машинного обучения: Разбор основных задач и алгоритмов машинного обучения: деревья решений, метод k ближайших соседей, линейный классификатор и логистическая регрессия, кластеризация. Проверка точности модели. Проблема переобучения и борьба с ней: регуляризация, ансамблирование.
IV Feature engineering: Проблемы качества и размерности данных. Уменьшение размерности данных. Методы декомпозиции. Cпрямляющие пространства.
V Рекомендательные системы: Введение в рекомендательные системы. Неперсонализированные рекомендации. Персонализированные рекомендации. Развитие рекомендательных систем.
VI Распознавание изображений, машинное зрение: Базовая теория. Обзор кейсов применения. Нейросети. Разбор реальных задач: рукописный ввод, детекция и сегментация объектов на изображении.
VII Обработка естественного языка (NLP): Введение в обработку текста. Обзор существующих библиотек, их использование и доработка. Использование внешних ресурсов. Грязные тексты: что это такое и как с ними работать. Дистрибутивная семантика. Чатботы: разбор генерации текстов. Нейросети для NLP.
VIII Анализ временных рядов, прогнозирование: Временные ряды, модели ARMA/ARIMA. Сложные модели прогнозирования. Эксплоративный анализ временных рядов.
IX Общение с заказчиком: Проекты машинного обучения: как выявить требования и оценить проект. Составление отчетов по исследованиям. Мастер-класс по презентации результатов.
X Data Science в маркетинге и e-commerce: Цели, задачи, решения и критерии успешности применения Data Science.

Маркетинг Data-Driven vs интуиция.

Типы данных и примеры датасетов.

Методы сбора из разных источников.

Подготовка и обработка данных, извлечение смысла и визуализация.

Разбор атрибуции маркетинговых расходов для увеличения дохода интернет-магазина.
XI Дополнительные инструменты, среды: Экосистема Google: BigQuery, Dataflow, Dataproc, Datalab и др. Коммерческие решения HP: Vertica, Haven, IDOL, коннекторы данных. Решения от Amazon (AWS). Хранение и обработка данных в Clickhouse.
XII Дипломная работа: Разработка и внедрение собственного ML-решения/проекта либо разработка предложенного нами кейса.
«Профессия Data Scientist» программа обучения

Скачать: Скрытая информация :: Авторизуйтесь для просмотра »