-
Введение в Data science. Business understanding. С чего начинается работа с данными. Data understanding. Excel. Знакомство с основными направлениями Data science, Введение в Python. Переменные и типы данных, условия, циклы, алгоритмы, функции. Коллекции в Python, чтение файлов в Python. Библиотека Pandas, Работа с данными: получение данных с помощью API, базы данных, язык запросов SQL, Power BI, Data Preparation, Разведочный анализ данных: Data cleaning, Data visualization, Feature engineering, Метрики в аналитике. Продуктовая и маркетинговая аналитика
-
Машинное обучение: основные термины, постановка задачи, выгрузка данных, Алгоритмы машинного обучения для решения задач регрессии, классификации и кластеризации, Кластеризация. Метод k-средних и его интерпретация. DBSCAN, Основы анализа текстов
-
Machine learning advanced
Auto ML. Нейронные сети и Computer vision. Нейронные сети и NLP, Алгоритмы для построения рекомендательных систем: коллаборативная фильтрация, бизнес-оценка рекомендательных систем, продвинутые инструменты ML-инженера, Прогнозирование временных рядов, Ансамблевые методы, стекинг, бэггинг, бустинг
-
Изучение работы с нейросетями: как они устроены, как использовать предобученные модели, готовить и передавать данные в нейросеть, строить и тестировать архитектуры, настраивать параметры и обучать модели на GPU.
-
Natural language processing
Научитесь применять алгоритмы машинного обучения и нейронные сети для обработки естественного языка., Поработаете с языковыми моделями: Bert, Elmo и другими
-
Используя алгоритмы машинного обучения и нейросетей, будете распознавать объекты, лица и эмоции, классифицировать и сегментировать изображения
-
Получите базовые знания по математике для работы с аналитикой и Machine learning., Научитесь работать с математическими сущностями в Python-библиотеке SymPy
-
Основы статистики и теории вероятностей
Введение в теорию вероятностей. Поймете принципы работы со случайными величинами и событиями., Познакомитесь со статистическими тестами, которые полезны при составлении моделей и проверке гипотез
-
Основы статистики и теории вероятностей — продвинутый уровень
Теория вероятностей в Python, Научитесь применять основные принципы статистики при работе с задачами data science, Поймете, как устроены алгоритмы машинного обучения, как в них применяются математическая статистика и теория вероятностей