Профессия Data Scientist: машинное обучение

Онлайн-курс от Skillbox, длительностью 12 месяцев. Вы научитесь создавать аналитические системы и использовать алгоритмы машинного обучения, освоите работу с нейросетями. Наполните портфолио и получите престижную профессию.

  • Аналитика. Начальный уровень.
    • Введение в Data Science
    • Введение в Python
    • Основы Python: установка PyCharm
    • Основы Python: базовые структуры данных
    • Основы Python: циклы и условия
    • Основы Python: функции
    • Мастер-класс: воронки
    • Основы Python: классы и объекты
    • Основы Python: исключения
    • Библиотека NumPy: методы анализа массивов
    • Библиотека NumPy: способы преобразования массивов
    • Библиотека pandas: индексация и выбор данных
    • Библиотека pandas: применение функций, группировка, сортировка
    • Визуализация данных с помощью matplotlib
    • Мастер-класс: разведочный анализ (EDA)
    • Курсовая работа. Подготовка аналитического отчёта на основе имеющихся данных в качестве помощи продюсерам образовательных программ эффективно выстраивать стратегию по обновлению и улучшению курсов
    • Чтение и запись данных: CSV, HTML, XML, XLSX
    • Основы SQL
    • Чтение и запись данных: JSON, HDF5, Работа с БД: SQLite3, postgreSQL, MongoDB
    • Работа со строками
    • Курсовая работа. Часть 1. Подготовка аналитического отчёта для HR-отдела. На основе аналитики необходимо составить рекомендации для отдела кадров по стратегии набора персонала и взаимодействию с сотрудниками
    • Курсовая работа. Часть 2. подготовка аналитического отчёта для SMM-отдела компании Skillbox на основе паблика Skillbox «ВКонтакте»
  • Статистика и теория вероятностей.
    • Основы статистики и теории вероятностей
  • Основы математики для Data Science.
    • Базовые математические объекты и SymPy. Дроби и преобразования
    • Базовые математические объекты и SymPy. Функции и дополнительные объекты
    • Функции одной переменной, их свойства и графики
    • Интерполяция и полиномы: квадратичные и кубические функции
    • Аппроксимация и преобразование функций: сдвиги, растяжения, сжатия
    • Аппроксимация и работа с производными
    • Функции нескольких переменных, их свойства и графики
    • Частные производные функции нескольких переменных
    • Векторы и матрицы. Градиент
    • Линейная регрессия и системы линейных уравнений
    • Разложение матриц. Собственные векторы и значения
  • Машинное обучение. Начальный уровень.
    • Основные концепции Machine Learning (ML)
    • Жизненный цикл ML-проекта
    • Регрессия: метрики качества, преобразование входных данных
    • Регрессия: регуляризация и градиентный спуск
    • Классификация: kNN, наивный байесовский классификатор, деревья решений
    • Классификация: метрики качества классификации и многоклассовая классификация
    • Кластеризация
    • Дополнительные техники: понижение размерности
    • Дополнительные техники: бустинг и стекинг
    • Знакомство с Kaggle
    • Курсовая работа. Проанализировать данные телекоммуникационной компании и спрогнозировать отток пользователей на основе демографических характеристик, услуг, которыми они пользуются, длительности пользования услугами, метода и размера оплаты
  • Машинное обучение. Средний уровень.
    • Введение в нейронные сети
    • Обучение нейронных сетей
    • Нейронные сети на практике
    • Свёрточные нейросети для задачи классификации изображений: введение в свёртки (многоканальные свёртки, рецептивное поле)
    • Свёрточные нейросети для задачи классификации изображений: продвинутые операции со свёрткой (архитектуры сетей VGG и ResNet, задача Transfer Learning для свёрточных сетей)
    • Семантическая сегментация: слабая локализация и полносвёрточные нейросети (FCN)
    • Семантическая сегментация: продвинутые архитектуры FCN для семантической сегментации
    • Детектирование объектов. Задачи классификации и локализации
    • Детектирование объектов. Анализ и реализация R-CNN-архитектуры
    • Детектирование объектов. Разбор популярных архитектур (Fast/Faster R-CNN, YOLO, SSD) и знакомство с TensorFlow Object Detection API
    • От дискриминативных моделей к генеративным. Style transfer
    • Генеративные состязательные сети
    • Введение в NLP
    • NLP на нейросетях. Рекуррентные нейросети, классификация текстов
    • NLP на нейросетях. Языковые модели, Attention, Transformer
    • Обучение с подкреплением. Q-Learning
    • Обучение с подкреплением. Deep Q-Learning
    • Ускорение и оптимизация нейронных сетей
    • Внедрение DL моделей в production
    • Введение в рекомендательные системы и задачи ранжирования
    • Современные подходы к построению рекомендательных систем
  • Универсальные знания программиста.
    • Как стать первоклассным программистом
    • Вёрстка email-рассылок. Советы на реальных примерах
    • The state of soft skills
    • Как мы создавали карту развития для разработчиков
    • Как общаться по email и эффективно работать с почтой
    • Повышение своей эффективности
    • Спор о первом языке программирования
    • Саморазвитие: как я не усидел на двух стульях и нашёл третий
    • Data-driven подход к продуктивности — инсайты из данных миллиона людей
    • Протокол HTTP
    • Введение в алгоритмы
  • Английский для IT-специалистов.
    • IT Resume and CV
    • Job interview: questions and answers
    • Teamwork
    • Workplace communication
    • Business letter
    • Software development
    • System concept development and SRS
    • Design
    • Development and Testing
    • Deployment and Maintenance
  • Дипломные проекты.
    • Рекомендательная система для онлайн-гипермаркета Instacart. Проект-соревнование на платформе Kaggle. Вы используете анонимные данные о заказах клиентов, чтобы предсказать, какие продукты будут в их следующем чеке. Создадите рекомендательную систему для сайта и рекламных коммуникаций.
    • Система по распознаванию эмоций. Проект-соревнование на платформе Kaggle. Это подразумевает написание воспроизводимого кода, генерирующего csv-файл с ответами, в котором для каждого изображения с лицом человека указана его наиболее вероятная эмоция. В итоге вы реализуете собственный проект в области компьютерного зрения.
95 040 ₽
158 400 ₽

Актуальная стоимость обучения.

Данные обновлены 8 мая 2021 г.

Рассрочка: 2469 ₽ в месяц

  • 12 месяцев
  • Сертификат об обучении
Перейти на страницу курса
Информация о школе

Skillbox — это онлайн-университет, организующий прикладные курсы и программы от главных экспертов рынка. Данная школа использует актуальные подходы к обучению, помогает работать над реальными проектами, стажироваться и трудоустраиваться в крупнейшие компании страны.
158 достоверных отзывов о школе Skillbox
Мы не нашли много отзывов конкретно про курс «Профессия Data Scientist: машинное обучение». Зато мы собрали 158 отзывов о школе Skillbox — они помогут вам получить общее представление о процессе обучения.