Makine öğrenme. Profesyonel - Otus'tan ücretsiz kurs, 5 aylık eğitim, Tarih: 2 Aralık 2023.
Miscellanea / / December 05, 2023
Modern veri analizi araçlarında sürekli olarak uzmanlaşacak ve profesyonel düzeyde makine öğrenimi modelleri oluşturabileceksiniz. Becerilerinizi her bir algoritmayla pekiştirmek için veri kümesinin hazırlanmasından sonuçların analiz edilmesine ve üretime hazırlanmasına kadar tam bir iş akışı gerçekleştireceksiniz. Alacağınız pratik ve bilgi, klasik makine öğrenimi problemlerini bağımsız olarak çözmek ve Junior+ ve Orta Düzey Veri Bilimcisi pozisyonlarına başvurmak için yeterli olacaktır.
Portföy projeleri
Kurs sırasında çeşitli portföy projelerini tamamlayacak ve röportajları geçmek için çalışmanızın sonuçlarını nasıl yetkin bir şekilde sunacağınızı öğreneceksiniz. Bitirme projeniz için öğretmenin önerdiği seçeneklerden birini alabilir veya kendi fikrinizi uygulayabilirsiniz.
Bu kurs kimlere yöneliktir?
Yeni başlayan analistler ve Veri Bilimcileri için. Kurs bilginizi sistematikleştirmenize ve derinleştirmenize yardımcı olacaktır. Yaklaşımları deneyebilecek, çalışma örneklerini analiz edebilecek ve uzmanlardan yüksek kalitede geri bildirim alabileceksiniz.
Mesleğini değiştirmek ve Veri Bilimi alanında gelişmek isteyen diğer alanlardaki geliştiriciler ve uzmanlar için. Kurs size güçlü bir portföy oluşturma ve kendinizi bir veri bilimcisi olarak gerçek hayattaki görevlerin atmosferine kaptırma fırsatı verecektir.
Öğrenmek için kendi fonksiyonlarınızı yazma düzeyinde Python deneyiminin yanı sıra matematiksel analiz, doğrusal cebir, olasılık teorisi ve matematik bilgisine ihtiyacınız olacak. İstatistik.
Kurs Özellikleri
En İyi Uygulamalar ve Trendler. Her lansmanda program, Veri Biliminde hızla değişen trendleri yansıtacak şekilde güncellenir. Eğitimin ardından gerçek projeler üzerinde çalışmaya hemen başlayabileceksiniz.
Önemli ikincil beceriler. Kurs, genellikle gözden kaçan ancak günlük görevlerde uzman bir kişi için gerekli olan ve işverenler tarafından oldukça değer verilen konuları içerir:
- anormallikleri otomatik olarak aramak için sistemler oluşturmak;
— makine öğrenimini kullanarak zaman serilerini tahmin etmek;
— üretimde uygulamaya hazır, verilerle çalışmak için uçtan uca işlem hatları.
Yaratıcı atmosfer ve gerçek iş süreçlerine yakın koşullar. Kursun tamamı, bir veri bilimcisinin günlük çalışma yaşamının bir simülatörü olarak inşa edilmiştir. “kirli” veriler, eylemlerinizi önceden hesaplayın, çözümleri deneyin ve modelleri hazırlayın üretme Bu durumda meraka, azme ve yeni deneyimler için susuzluğa ihtiyacınız olacak.
3
kursSberbank'ta AGI NLP ekibinde veri analisti olarak çalışıyor. Sinir ağı dil modelleri ve bunların gerçek hayattaki problemlere uygulanması üzerine çalışır. Veri Bilimi alanında çalışmanın benzersiz bir deneyim sağladığına inanır...
Sberbank'ta AGI NLP ekibinde veri analisti olarak çalışıyor. Sinir ağı dil modelleri ve bunların gerçek hayattaki problemlere uygulanması üzerine çalışır. Veri Bilimi alanında çalışmanın, bilimin sınırında dünyayı değiştiren çılgın ve harika şeyler yapmak için eşsiz bir fırsat sunduğuna inanıyor. İktisat Yüksek Okulu'nda veri analizi, makine öğrenimi ve veri bilimi konularını öğretiyor. Maria, Moskova Devlet Üniversitesi Mekanik ve Matematik Fakültesi ve Yandex Veri Analiz Okulu'ndan mezun oldu. Maria şu anda Bilgisayar Bilimleri Fakültesi İktisat Yüksek Okulu'nda yüksek lisans öğrencisidir. Araştırma ilgi alanları arasında doğal dil işleme ve konu modelleme gibi veri bilimi alanları yer almaktadır. Program Yöneticisi
3
kurs2012'den beri makine öğrenimi ve veri analizi uyguluyorum. Şu anda WeatherWell'de Ar-Ge Başkanı olarak çalışıyor. Oyun geliştirmede, bankacılıkta ve makine öğreniminin pratik uygulamasında deneyime sahip...
2012'den beri makine öğrenimi ve veri analizi uyguluyorum. Şu anda WeatherWell'de Ar-Ge Başkanı olarak çalışıyor. Oyun geliştirme, bankacılık ve Sağlık Teknolojilerinde makine öğreniminin pratik uygulamasında deneyime sahiptir. Moskova Devlet Üniversitesi Matematiksel Finans Merkezi'nde makine öğrenimi ve veri analizi dersleri verdi ve Ulusal Araştırma Üniversitesi İktisat Yüksek Okulu Bilgisayar Bilimleri Fakültesi'nde ve çeşitli yaz okullarında misafir öğretim görevlisi olarak görev yaptı. Eğitim: Ekonomi-matematik REU im. Plekhanov, Moskova Devlet Üniversitesi Merkez Matematik ve Matematik Fakültesi, İktisat Yüksek Okulu Bilgisayar Bilimleri Fakültesi'nin ileri mesleki eğitimi "Pratik veri analizi ve makine öğrenimi", Yüksek Lisans Bilgisayar Bilimleri Aalto Üniversite Yığını/İlgi Alanları: Python, Makine Öğrenimi, Zaman Serisi, Anomali Tespiti, Açık Veri, sosyal için ML iyi
İleri Makine Öğrenimi Teknikleri
-Konu 1. Giriş dersi. Pratik bir örnekle temel makine öğrenimi kavramlarını tekrar ziyaret edin
-Konu 2.Karar ağaçları
-Tema 3.ML için Python: işlem hatları, pandaların hızlandırılması, çoklu işlem
-Konu 4.Model toplulukları
-Konu 5.Gradyan artırma
-Konu 6.Destek vektör makinesi
-Konu 7.Boyutsallık azaltma yöntemleri
-Konu 8. Öğretmen olmadan öğrenme. K-aracı, EM algoritması
-Konu 9. Öğretmen olmadan öğrenme. Hiyerarşik kümeleme. Veritabanı Taraması
-Konu 10. Verilerdeki anormallikleri bulma
-Konu 11. Pratik ders - Uçtan uca boru hatlarının inşası ve modellerin serileştirilmesi
-Konu 12.Grafiklerde Algoritmalar
Veri toplama. Metin verilerinin analizi.
-Konu 13.Veri toplama
-Konu 14.Metin verilerinin analizi. Bölüm 1: Ön işleme ve tokenizasyon
-Konu 15.Metin verilerinin analizi. Bölüm 2: Önceden eğitilmiş yerleştirmelerle çalışan kelimelerin vektör temsilleri
-Konu 16.Metin verilerinin analizi. Bölüm 3: Adlandırılmış Varlık Tanıma
-Konu 17.Metin verilerinin analizi. Bölüm 4: Konu Modelleme
-Konu 18.Soru-Cevap
Zaman serisi analizi
-Konu 19. Zaman serisi analizi. Bölüm 1: Sorunun ifade edilmesi, en basit yöntemler. ARIMA modeli
-Konu 20. Zaman serisi analizi. Bölüm 2: Özellik çıkarımı ve makine öğrenimi modellerinin uygulanması. Otomatik tahmin
-Konu 21. Zaman serisi analizi Bölüm 3: Zaman serilerinin kümelenmesi (ilgili hisse senedi fiyatlarının aranması)
Tavsiye sistemleri
-Konu 22. Tavsiye sistemleri. Bölüm 1: Sorunun beyanı, kalite ölçümleri. İşbirlikçi filtreleme. Soğuk başlangıç
-Konu 23. Tavsiye sistemleri. Bölüm 2: İçerik filtreleme, hibrit yaklaşımlar. Birliktelik kuralları
-Konu 24. Tavsiye sistemleri. Bölüm 3: Örtülü geribildirim
-Konu 25. Tavsiye sistemleri üzerine pratik ders. Sürpriz
-Konu 26.Soru-Cevap
Ek konular
-Konu 27.Kaggle ML eğitimi No.1
-Konu 28.Kaggle ML eğitimi No. 2
-Apache Spark'ta Konu 29.ML
-Konu 30.Veri Bilimi işlerini arama
Proje çalışması
-Konu 31. Proje çalışmasının konusunun seçimi ve organizasyonu
-Konu 32. Projeler ve ödevler hakkında danışma
-Konu 33. Tasarım çalışmasının korunması