С развитием технологий и повсеместным использованием гаджетов все легче становится собирать различные данные о том, что происходит в мире — от наших кликов в интернет-пространстве до структуры развития человеческого генома. Для того, чтобы уметь обращаться с этими данными, и существует Data Science.

На этом курсе ты сможешь понять, как работают все вышеперечисленные алгоритмы, а также научишься строить свои предиктивные модели, используя фреймворки TensorFlow и PyTorch.

Программа

1. Введение.
2. Python для Data Science.
3. Системы контроля версий — Git.
4. Основы Python (типы и структуры данных).
5. Основы Python (логические выражения и циклы).
6. Основы Python (функции).
7. Основы Python (классы).
8. Манипуляции с данными. Базы данных и SQL.
9. PostgreSQL и SQLAlchemy.
10. Базовый математический уровень для Data Science и реализация в Python.
11. Data Visualization.
12. Классические Machine Learning-алгоритмы.
13. Продолжаем с линейной регрессией.
14. Введение в нейронные сети.
15. Ансамблевые методы.
16. Обучение без учителя (Кластеризация).
17. Снижение размерности.
18. Рекомендательная система.
19. Работа с большими данными и др.

Чему вы научитесь

• Основным алгоритмам машинного обучения и натренируешь свои модели.
• Глубоким нейронным сети, а также научитесь определять архитектурные параметры.
• Методикам для оценки качества моделей и их оптимизации.
• Стратегиям end-to-end, трансфера и многозадачного машинного обучения.
• Сверточным и рекурентным нейронным сетям, используя фреймворки PyTorch и TensorFlow