Навыки, которые вы получите:
Linux
SQL
Git
Numpy
Docker
Pandas
MongoDB
Matplotlib
Jupyter
scikit-learn
OpenCV
Tensorflow
Keras
Seaborn
spaCy
Python
За два года спрос на Data Scientist-ов вырос в два раза, по данным HeadHunter. С помощью методов машинного обучения они строят прогнозы и повышают эффективность бизнес-процессов в любой отрасли. Мы поможем стать таким специалистом с нуля и найдем вам работу.
Программа
Программирование
- Основы языка Python.
- Linux. Рабочая станция.
- Основы реляционных баз данных и MySQL.
- Библиотеки Python для Data Science: Numpy, Matrolib, scikit-learn.
Сбор данных и статистическое исследование
- Методы сбора и обработки данных из сети Интернет.
- Введение в математический анализ.
- Теория вероятностей и математической статистике.
Математика для Data Scientist
- Линейная алгебра.
- Алгоритмы анализы данных.
Машинное обучение
- Машинное обучение в бизнесе.
- Рекомендательные системы.
Нейронные сети
- Введение в нейронные сети.
- Фреймворк PyTorch для разработки искуственных нейронных сетей.
Задачи искусственного интеллекта
- Введение в обработку естественного языка.
- Глубокое обучение в компьютерном зрении.
Специализация
- Введение в компьютерное зрение от Nvidia.
- Фреймворк PyTorch для разработки искусственных нейронных сетей.
- Введение в обработку естественного языка.
Чему вы научитесь
- Выступлению в соревнованиях по Data Mining (Kaggle).
- Построению скоринговых моделей.
- Знанию библиотек для машинного обучения (Scikit-learn, XGBoost, Vowpal Wabbit).
- Построению моделей прогнозирования цен и спроса.
- Формированию отчетов анализа данных.
- Умению писать «чистый» код.
- Сегментаци, кластеризации и классификации клиентской базы.
- Владению методами прикладной статистики, теории вероятностей.
- Построению рекомендательных систем.
- Знанию алгоритмов и структур данных.