Основы Data Science / Machine Learning

Для кого данный курс

• Вы — бизнес-аналитик, который хочет развиваться в новом направлении
• Вы хотите поменять сферу деятельности, переучиться и получить перспективную IT-профессию
• Вы — Data Analyst, который хочет повысить квалификацию
• Вы ищите направление в IT, без программирования

Чему вы научитесь?

• Разбираться в основных понятиях и задачах Data Science
• Использовать в работе современные методы машинного обучения
• Применять ключевые концепции сбора, подготовки, исследования и визуализации данных
• Обрабатывать и анализировать большие данные

Что включает курс?

• 7 занятий — от теории к защите курсового проекта
• Контроль знаний — практические работы и тесты
• Сертификат об окончании
• Опыт работы в команде
• Интерактивный личный кабинет с доступом к материалам курса

Программа курса

ВВЕДЕНИЕ В DATA SCIENCE И MACHINE LEARNING

• Базовые понятия Big Data, Business Intelligence,  Data Mining, Data Science, Machine Learning, Artificial Intelligence
• История развития Data Science, современные перспективы
• Кто такой Data Scientist, навыки. Вопросы на собеседовании.
• Обзор процесса Data Science проекта
• Сценарии использования и применения ML в современном мире
• Обзор успешных проектов по Big Data и Machine Learning

DATA SCIENCE PROCESS AND FRAMEWORKS

• Планирование и подготовка работы
• Исторический обзор методологий ведения Data Science решений
• Детальный обзор современного Data Science процесса и его этапов
• Команда и роли специалистов в проектах Data Science
• Обзор популярных фреймворков и инструментов для Data Science решений
• Workshop 1: Этап Business Understanding
• Основы работы с системой контроля версий

ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ

• Загрузка исходных данных для анализа в систему (ETL)
• Data cleansing and transformation
• Data Sampling and Quantization
• Workshop 2: Подготовка данных для проекта
• Подходы и методики для визуализации данных
• Практика: Визуализация данных с помощью Power BI и R

ПРОГНОЗИРОВАНИЕ И КЛАССИФИКАЦИЯ

• Теоретический обзор проблемы и основных методов
• Введение в искусственные нейронные сети для решения различных задач
• Процесс создания реальных программных моделей для прогнозирования и классификации
• Оценка точности обученных моделей, выбор лучшей
• Workshop 3: Создание моделей прогнозирования и классификации

КЛАСТЕРИЗАЦИЯ И РЕКОМЕНДАЦИОННЫЕ АЛГОРИТМЫ

• Теоретический обзор проблемы и основных методов
• Процесс создания реальных программных моделей для кластеризации, рекомендационных алгоритмов
• Оценка точности обученных моделей, выбор лучшей
• Введение в обработку естественного языка
• Workshop 4: Создание моделей кластеризации и рекомендационных моделей

ИМПЛЕМЕНТАЦИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ

• Временные ряды и прогнозирование событий
• Имплементация моделей машинного обучения для дальнейшего использования
• Обсуждение результатов выполнения домашних заданий
• Примеры архитектур полноценного проекта
• Workshop 5: Имплементация моделей машинного обучения
• Подведение итогов курса, презентация проектов
• Рекомендуемые материалы и шаги для дальнейшего изучения

Документы об окончании курса

Сертификат Учебного центра Softline об окончании курса и справка об обучении установленного образца: