למידת מכונה. מקצועי - קורס חינם מבית Otus, הכשרה 5 חודשים, תאריך: 2.12.2023.
Miscellanea / / December 05, 2023
אתה תשלוט בעקביות בכלים מודרניים לניתוח נתונים ותוכל ליצור מודלים של למידת מכונה ברמה מקצועית. כדי לגבש את הכישורים שלך עם כל אלגוריתם, תבצע צינור מלא של עבודה מהכנת מערך הנתונים ועד לניתוח התוצאות והכנה לייצור. התרגול והידע שתקבלו יספיקו כדי לפתור באופן עצמאי בעיות ML קלאסיות ולהגיש מועמדות לתפקידים של Junior+ ו-Medion Data Scientist.
פרויקטים של תיק עבודות
במהלך הקורס, תשלים מספר פרויקטים של תיק עבודות ותלמד כיצד להציג בצורה מוכשרת את תוצאות עבודתך כדי לעבור ראיונות. עבור פרויקט הגמר שלך, אתה יכול לקחת אחת מהאפשרויות שהציע המורה או ליישם רעיון משלך.
למי מיועד הקורס הזה?
לאנליסטים מתחילים ומדעני נתונים. הקורס יעזור לך לסדר ולהעמיק את הידע שלך. תוכל להתנסות בגישות, לנתח מקרי עבודה ולקבל משוב איכותי ממומחים.
למפתחים ומומחים בתחומים נוספים שרוצים לשנות את מקצועם ולהתפתח בתחום ה-Data Science. הקורס ייתן לך את ההזדמנות לבנות תיק עבודות חזק ולהתעמק באווירה של משימות מהחיים האמיתיים כמדען נתונים.
כדי ללמוד, תזדקק לניסיון של Python ברמת כתיבת הפונקציות שלך, כמו גם ידע בניתוח מתמטי, אלגברה לינארית, תורת הסתברות ומתמטיקה. סטָטִיסטִיקָה.
תכונות הקורס
שיטות עבודה וטרנדים מומלצים. בכל השקה, התוכנית מתעדכנת כדי לשקף מגמות המשתנות במהירות ב-Data Science. לאחר ההכשרה, תוכל להתחיל מיד לעבוד על פרויקטים אמיתיים.
מיומנויות משניות חשובות. הקורס כולל נושאים שבדרך כלל מתעלמים מהם, אך נחוצים למומחה במשימות יומיומיות ומוערכים מאוד על ידי המעסיקים:
- בניית מערכות לחיפוש אוטומטי אחר חריגות;
- חיזוי סדרות זמן באמצעות למידת מכונה;
- צינורות מקצה לקצה לעבודה עם נתונים, מוכנים ליישום בייצור.
אווירה יצירתית ותנאים קרובים לתהליכי עבודה אמיתיים. הקורס כולו בנוי כסימולטור של חיי העבודה היומיומיים של מדען נתונים, שבו תצטרך להתמודד עם נתונים "מלוכלכים", חשבו את הפעולות שלכם מראש, התנסו בפתרונות והכינו מודלים הפקה במקרה זה, תזדקקו לסקרנות, התמדה וצמא לחוויות חדשות.
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
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
טכניקות למידת מכונה מתקדמות
-נושא 1. שיעור מבוא. עיין מחדש במושגים בסיסיים של למידת מכונה עם דוגמה מעשית
-נושא 2.עצי החלטה
-Theme 3.Python עבור ML: צינורות, האצת פנדות, ריבוי עיבודים
-נושא 4. הרכבי מודל
-נושא 5. הגברת שיפוע
-נושא 6. תמיכה במכונה וקטורית
-נושא 7.שיטות הפחתת מימדיות
-נושא 8. למידה ללא מורה. K-means, אלגוריתם EM
-נושא 9. למידה ללא מורה. מקבץ היררכי. DB-Scan
-נושא 10. מציאת חריגות בנתונים
-נושא 11. שיעור מעשי - בניית צינורות מקצה לקצה והסדרה של מודלים
-נושא 12. אלגוריתמים על גרפים
איסוף נתונים. ניתוח נתוני טקסט.
-נושא 13. איסוף נתונים
-נושא 14.ניתוח נתוני טקסט. חלק 1: עיבוד מקדים וטוקניזציה
-נושא 15.ניתוח נתוני טקסט. חלק 2: ייצוגים וקטוריים של מילים, עבודה עם הטבעות מאומנות מראש
-נושא 16.ניתוח נתוני טקסט. חלק 3: זיהוי ישות בשם
-נושא 17.ניתוח נתוני טקסט. חלק 4: דוגמנות נושאים
-נושא 18. שאלות ותשובות
ניתוח סדרות זמן
-נושא 19. ניתוח סדרות זמן. חלק 1: הצהרת הבעיה, השיטות הפשוטות ביותר. דגם ARIMA
-נושא 20. ניתוח סדרות זמן. חלק 2: חילוץ ויישום תכונות של מודלים של למידת מכונה. חיזוי אוטומטי
-נושא 21. ניתוח סדרות זמן חלק 3: מקבץ סדרות זמן (מחפש שערי מניות קשורים)
מערכות ממליצים
-נושא 22. מערכות ממליצים. חלק 1: הצהרת הבעיה, מדדי איכות. סינון שיתופי. התחלה קרה
-נושא 23. מערכות ממליצים. חלק 2: סינון תוכן, גישות היברידיות. חוקי ההתאחדות
-נושא 24. מערכות ממליצים. חלק 3: משוב מרומז
-נושא 25. שיעור מעשי על מערכות ממליצים. הַפתָעָה
-נושא 26. שאלות ותשובות
נושאים נוספים
-נושא 27. אימון קאגגל ML מס' 1
-נושא 28. אימון קאגגל ML מס' 2
-נושא 29.ML באפאצ'י ספארק
-נושא 30. חיפוש משרות ב-Data Science
פרוייקט עבודה
-נושא 31. בחירת נושא וארגון עבודת הפרויקט
-נושא 32. ייעוץ בפרויקטים ושיעורי בית
-נושא 33.הגנה על עבודת עיצוב