Курс Data Science / Machine Learning Fundamentals
Старт навчання
Старт курсу запитуйте в адміністрації
21 год. по 2-3 рази на тиждень
Після курсу Ви зможете:
- Досліджувати предметну область в реальних бізнес завданнях і пропонувати рішення з використанням концепцій Data Science і Machine Learning
- Застосовувати ключові концепції збору, підготовки, дослідження та візуалізації даних;
- Створювати рішення на реальних практичних прикладах для різнорідних даних з використанням платформи Microsoft Azure Machine Learning.
- Використовувати сучасні методи машинного навчання для вирішення завдань прогнозування і класифікації;
- Сегментувати великі дані, створювати рекомендаційні моделі для полегшення прийняття стратегічних рішень.
Програма курсу:
- 1. Data Science and Machine Learning Fundamentals
- Вступ в Data Science і Machine Learning
- Базові поняття Big Data, Business Intelligence, Data Mining, Data Science, Machine Learning, Artificial Intelligence
- Історія розвитку Data Science, сучасні перспективи
- Хто такий Data Scientist, навички. Питання на співбесіді.
- Огляд процесу Data Science проекту
- Сценарії використання і застосування ML в сучасному світі
- Огляд успішних проектів по Big Data і Machine Learning
- 2. Data Science Process and Frameworks
- Планування і підготовка роботи
- Історичний огляд методологій ведення Data Science рішень
- Детальний огляд сучасного Data Science процесу і його етапів
- Команда і ролі фахівців в проектах Data Science
- Огляд популярних фреймворків і інструментів для Data Science рішень
- Workshop 1: Етап Business Understanding
- Основи роботи з системою контролю версій
- 3. Попередня обробка даних
- Завантаження вихідних даних для аналізу в систему (ETL)
- Data cleansing and transformation
- Data Sampling and Quantization
- Workshop 2: Підготовка даних для проекту
- Підходи та методики для візуалізації даних
- Практика: Візуалізація даних за допомогою Power BI і R
- 4. Прогнозування і класифікація
- Теоретичний огляд проблеми та основних методів
- Введення в штучні нейронні мережі для вирішення різних завдань
- Процес створення реальних програмних моделей для прогнозування і класифікації
- Оцінка точності навчених моделей, вибір кращої
- Workshop 3: Створення моделей прогнозування та класифікації
- 5. Кластеризація та рекомендаційні алгоритми
- Теоретичний огляд проблеми та основних методів
- Процес створення реальних програмних моделей для кластеризації, рекомендаційних алгоритмів
- Оцінка точності навчених моделей, вибір кращої
- Введення в обробку природної мови
- Workshop 4: Створення моделей кластеризації і рекомендаційних моделей
- 6. Імплементація моделей машинного навчання
- Часові ряди і прогнозування подій
- Імплементація моделей машинного навчання для подальшого використання
- Обговорення результатів виконання домашніх завдань
- Приклади архітектур повноцінного проекту
- Workshop 5: Імплементація моделей машинного навчання
- Підведення підсумків курсу, презентація проектів
- Рекомендовані матеріали і кроки для подальшого вивчення
- 7. Захист курсового проекту
* Примітка: зазначені знижки не сумуються з іншими діючими акціями та спеціальними пропозиціями. Знижка застосовується тільки до нових заявок та при умові повної оплати курсу. Якщо у Вас виникли питання, звертайтеся за консультацією до наших менеджерів!
Рекомендовані курси
