[OTUS] Data Scientist. Модуль 2 (2018)

OTUS Data Scientist. Модуль 2 (2018)



Описание:

Курс предназначен для программистов и аналитиков, которых интересует область машинного обучения и анализа данных.

Цель прохождения курса — освоение алгоритмов машинного обучения и логических методов, позволяющих находить ценную информацию в крупных массивах данных и эффективно внедрять эту информацию для решения реальных бизнес-задач.

Курс дает комплексные ответы на следующие вопросы: - когда и зачем нужно анализировать данные? - какую пользу приносит анализ данных? - какие бывают данные? - каковы принципы работы алгоритмов машинного обучения? - как работать с неструктурированными (текстовыми) данными? - как работать с большими данными?
После обучения вы сможете:

- использовать методы машинного обучения в практически полезных приложениях и исследованиях;

- выбирать подходящие алгоритмы и метрики;

- разбираться в математических основаниях алгоритмов машинного обучения;

- проводить предварительную обработку данных (очистка, работа с пропусками, определение типа шкал);

- проводить статистические исследования и интерпретировать их результаты;

- создавать предсказательные модели для качественных и количественных данных;

- применять методы обучения без учителя (кластеризация, снижение размерности);

- работать с ограниченными датасетами, структурированными и неструктурированными данными;

- проектировать архитектуру нейросетей и обучать их;

- самостоятельно реализовывать весь процесс: от поиска полезной информации в массивах данных до построения схемы обработки данных в боевом окружении.

Особенность курса — сбалансированное сочетание теоретического изучения и практических действий, плюс высокая степень свободы при создании проекта.

Это тот случай, когда технические возможности машинных алгоритмов будут использованы для решения реальных проблем бизнеса и общества.

Вы научитесь видеть за моделями практический смысл и делать обобщения с учетом особенностей данных и специфики предметной области.



В результате обучения вы не только расширите свой инструментарий в области анализа данных, но и улучшите навыки в следующих технологиях: Python, Pandas, Sklearn, Keras, нейросети, SQL, логистическая регрессия, предсказательные модели, машинное обучение, математическая статистика, Natural language processing, Deep learning.



После прохождения курса в вашем распоряжении останутся: - презентации и видеозаписи занятий, все сопутствующие материалы; - собственные уникальные исследования, которые можно показывать при устройстве на работу; - один большой проект, решающий конкретную практическую проблему; - сертификат о прохождении обучения.
Скачать: Скрытая информация :: Авторизуйтесь для просмотра »

OTUS Data Scientist. Модуль 2 (2018)



Описание:

Курс предназначен для программистов и аналитиков, которых интересует область машинного обучения и анализа данных.

Цель прохождения курса — освоение алгоритмов машинного обучения и логических методов, позволяющих находить ценную информацию в крупных массивах данных и эффективно внедрять эту информацию для решения реальных бизнес-задач.

Курс дает комплексные ответы на следующие вопросы: - когда и зачем нужно анализировать данные? - какую пользу приносит анализ данных? - какие бывают данные? - каковы принципы работы алгоритмов машинного обучения? - как работать с неструктурированными (текстовыми) данными? - как работать с большими данными?
После обучения вы сможете:

- использовать методы машинного обучения в практически полезных приложениях и исследованиях;

- выбирать подходящие алгоритмы и метрики;

- разбираться в математических основаниях алгоритмов машинного обучения;

- проводить предварительную обработку данных (очистка, работа с пропусками, определение типа шкал);

- проводить статистические исследования и интерпретировать их результаты;

- создавать предсказательные модели для качественных и количественных данных;

- применять методы обучения без учителя (кластеризация, снижение размерности);

- работать с ограниченными датасетами, структурированными и неструктурированными данными;

- проектировать архитектуру нейросетей и обучать их;

- самостоятельно реализовывать весь процесс: от поиска полезной информации в массивах данных до построения схемы обработки данных в боевом окружении.

Особенность курса — сбалансированное сочетание теоретического изучения и практических действий, плюс высокая степень свободы при создании проекта.

Это тот случай, когда технические возможности машинных алгоритмов будут использованы для решения реальных проблем бизнеса и общества.

Вы научитесь видеть за моделями практический смысл и делать обобщения с учетом особенностей данных и специфики предметной области.



В результате обучения вы не только расширите свой инструментарий в области анализа данных, но и улучшите навыки в следующих технологиях: Python, Pandas, Sklearn, Keras, нейросети, SQL, логистическая регрессия, предсказательные модели, машинное обучение, математическая статистика, Natural language processing, Deep learning.



После прохождения курса в вашем распоряжении останутся: - презентации и видеозаписи занятий, все сопутствующие материалы; - собственные уникальные исследования, которые можно показывать при устройстве на работу; - один большой проект, решающий конкретную практическую проблему; - сертификат о прохождении обучения.
Скачать:
[@slivytg] OTUS