0
צפיות
למידת מכונה. בסיסי - קורס 52,668 רובל. מאוטוס, אימון 6 חודשים, תאריך 27 בפברואר 2023.
Miscellanea / / November 30, 2023
תלמדו לפתור בעיות מתהליכי עבודה אמיתיים, אשר לרוב מוקצים למומחים מתחילים במדעי הנתונים. עד סוף הקורס, תאסוף תיק עבודות, השלמת הכנה לראיון וייעוץ קריירה.
הקורס ייתן לך את הבסיס הדרוש:
פִּיתוֹן. תעברו על יסודות התכנות ותלמדו כיצד להשתמש בשפה הרלוונטית ביותר הזו במשימות למידת מכונה.
מָתֵימָטִיקָה. שולט בחלקי מפתח כדי להבין את היסודות והעקרונות התיאורטיים של אלגוריתמים.
מודלים קלאסיים של Machine Learning. אסוף את מערכי הנתונים שלך והשלם צינור מלא של עבודה עם הדגמים הראשונים שלך.
אווירה יצירתית:
במהלך ההכשרה תהיו שקועים בתנאים הקרובים לתהליכי עבודה אמיתיים. תצטרכו להתמודד עם נתונים מלוכלכים, לחשוב קדימה, להתנסות בפתרונות ולהכין דגמים לייצור.
סביבת הכיתה מעודדת את התלמידים להיות סקרנים, לדון באופן פעיל ולא לפחד מטעויות.
מנטור אישי:
מפגשים מקוונים למשך 40 דקות בכל שבוע;
בתחילת ההכשרה מוקצה לך מנטור. כמו מורים, מנטורים הם מומחים הפועלים במדעי הנתונים;
פעם בשבוע אתה עושה את שיעורי הבית שלך, מפרסם אותם ב-GitHub ומתאם שיחה עם המנטור שלך;
המנטור מתוודע לקוד שלכם מראש, כך שבזמן הפגישה הוא כבר יודע למה לשים לב. ניתן גם להכין שאלות;
במהלך הפגישה, המנטור יגיב על החלטתך. במידת הצורך, ניתן לגשת מיד לסביבת הפיתוח, לבצע שינויים בקוד ולראות מיד את התוצאה.
לאחר האימון תוכל:
הגשת מועמדות לתפקידים הדורשים כישורים זוטרים
לפתור בעיות עסקיות אמיתיות באמצעות שיטות למידת מכונה
עבודה עם ספריות Python עבור למידת מכונה
התמודדות עם מצבים לא סטנדרטיים באמצעות הבנה תיאורטית מעמיקה של אופן הפעולה של אלגוריתמים ומודלים
נווט בתחומים שונים של Data Science ובחר כלים המתאימים למשימה.
מריה טיכונובה
3
קוּרסעובד כמנתח נתונים בצוות AGI NLP בסברבנק. עובד על מודלים של שפות רשתות עצביות ויישומם בבעיות אמיתיות. מאמינה שעבודה בתחום של Data Science מספקת...
עובד כמנתח נתונים בצוות AGI NLP בסברבנק. עובד על מודלים של שפות רשתות עצביות ויישומם בבעיות אמיתיות. הוא מאמין שעבודה בתחום של Data Science מספקת הזדמנות ייחודית לעשות דברים מגניבים בקצה המדע שמשנים את העולם כאן ועכשיו. מלמד מקצועות בניתוח נתונים, למידת מכונה ומדעי נתונים בבית הספר הגבוה לכלכלה. מריה סיימה את לימודיה בפקולטה למכניקה ומתמטיקה של אוניברסיטת מוסקבה ובית הספר לניתוח נתונים של Yandex. מריה היא כיום סטודנטית לתואר שני בבית הספר הגבוה לכלכלה בפקולטה למדעי המחשב. תחומי המחקר שלה כוללים תחומי מדעי נתונים כגון עיבוד שפה טבעית ומודלים של נושאים. מנהל תוכנית
דמיטרי סרגייב
3
קוּרסמתרגלת למידת מכונה וניתוח נתונים מאז 2012. כיום עובד כראש מחקר ופיתוח ב-WeatherWell. בעל ניסיון ביישום מעשי של למידת מכונה בפיתוח משחקים, בנקאות ו...
מתרגלת למידת מכונה וניתוח נתונים מאז 2012. כיום עובד כראש מחקר ופיתוח ב-WeatherWell. בעל ניסיון ביישום מעשי של למידת מכונה בפיתוח משחקים, בנקאות ובריאות טק. הוא לימד למידת מכונה וניתוח נתונים במרכז למימון מתמטי של אוניברסיטת מוסקבה, והיה מרצה אורח בפקולטה למדעי המחשב של בית הספר הגבוה לכלכלה של אוניברסיטת המחקר הלאומית ובבתי ספר קיץ שונים. השכלה: כלכלה-מתמטיקה REU im. Plekhanov, הפקולטה המרכזית למתמטיקה ומתמטיקה של אוניברסיטת מוסקבה, הכשרה מקצועית מתקדמת של הפקולטה למדעי המחשב של בית הספר הגבוה לכלכלה "ניתוח נתונים מעשי ולמידת מכונה", MSc Science Computer Aalto ערימת/תחומי עניין של האוניברסיטה: Python, Machine Learning, Time Series, Detection Anomaly, Open Data, ML for social טוֹב
מבוא לפייתון
-נושא 1. היכרות
-נושא 2. הקמת סביבת העבודה
-נושא 3. סוגים בסיסיים ומבני נתונים. בקרת זרימה
-נושא 4. עבודה עם פונקציות ונתונים
-נושא 5. Git, מעטפת
מבוא לפייתון. OOP, מודולים, מסדי נתונים
-נושא 6. יסודות OOP
-נושא 7. OOP מתקדם, חריגים
-נושא 8. OOP מתקדם, המשך
-נושא 9.מודולים וייבוא
-נושא 10. מבחנים
-נושא 11. מבוא למודולים מובנים
-נושא 12. קבצים ורשת
Python Basics for ML
-נושא 13. NumPy Basics
-נושא 14. יסודות הפנדות
-נושא 15. הדמיית נתונים
מינימום תיאורטי ל-ML: מתמטיקה, ליניארי, סטטיסטיקה
-נושא 16.מטריצות. מושגים ופעולות בסיסיות
-נושא 17.תרגול. מטריצות
-נושא 18. בידול ואופטימיזציה של פונקציות
-נושא 19. תרגול. בידול ואופטימיזציה של פונקציות
-נושא 20. אלגוריתמים ומורכבות חישובית
-נושא 21.MNC ו-MSE
-נושא 22. תרגול. חברות MNE ו-MSE
-נושא 23. משתנים אקראיים ומידול שלהם
-נושא 24.תרגול. משתנים אקראיים ומידול שלהם
-נושא 25. חקר התלות: כמויות נומינליות, סידוריות וכמותיות
-נושא 26.תרגול. חקר התלות: כמויות נומינליות, סידוריות וכמותיות
-נושא 27.בדיקות AB
שיטות למידת מכונה בסיסיות
-נושא 28.מבוא ללמידת מכונה
-נושא 29. ניתוח נתונים חקרני ועיבוד מקדים
-נושא 30. בעיית סיווג. שיטת השכנים הקרובים ביותר
-נושא 31.בעיית רגרסיה. רגרסיה לינארית
-נושא 32.רגרסיה לוגיסטית
-נושא 33.עצי החלטה
-נושא 34. הנדסת תכונות ועיבוד מקדים מתקדם
-נושא 35. שיעור מעשי - פתרון Kaggle באמצעות כל מה שלמדנו
פרוייקט עבודה
-נושא 36. בחירת נושא וארגון עבודת הפרויקט
-נושא 37. ייעוץ פרויקט
-נושא 38. הגנה על פרויקט
הירשם