Описание курса:

Возможности для специалистов Data Science - одной из самых перспективных профессий на сегодня - растут очень быстро в ответ на экспоненциальный рост объема собираемых и анализируемых данных. Компании нанимают Data Science инженеров для поиска скрытых закономерностей в данных и решения значимых бизнес задач. Получите современные знания и практические навыки, которые помогут вам успешно начать двигаться по пути Data Science специалиста.

После изучения курса Вы сможете:

  • Исследовать предметную область в реальных бизнес задачах и предлагать решения с использованием концепций Data Science и Machine Learning
  • Применять ключевые концепции сбора, подготовки, исследования и визуализации данных;
  • Создавать решения на реальных практических примерах для разнородных данных с использованием платформы Microsoft Azure Machine Learning.
  • Использовать современные методы машинного обучения для решения задач прогнозирования и классификации;
  • Сегментировать большие данные, создавать рекомендационные модели для облегчения принятия стратегических решений.

Программа курса:

Введение в Data Science и Machine Learning

  • Базовые понятия Big Data, Business Intelligence,  Data Mining, Data Science, Machine Learning, Artificial Intelligence
  • История развития Data Science, современные перспективы
  • Кто такой Data Scientist, навыки. Вопросы на собеседовании.
  • Обзор процесса Data Science проекта
  • Сценарии использования и применения ML в современном мире
  • Обзор успешных проектов по Big Data и Machine Learning
Data Science Process and Frameworks
  • Планирование и подготовка работы
  • Исторический обзор методологий ведения Data Science решений
  • Детальный обзор современного Data Science процесса и его этапов
  • Команда и роли специалистов в проектах Data Science
  • Обзор популярных фреймворков и инструментов для Data Science решений
  • Workshop 1: Этап Business Understanding
Предварительная обработка данных
  • Загрузка исходных данных для анализа в систему (ETL)
  • Data cleansing and transformation
  • Data Sampling and Quantization
  • Workshop 2: Подготовка данных для проекта
  • Походы и методики для визуализации данных
  • Практика: Визуализация данных с помощью Power BI и R
Прогнозирование и классификация
  • Теоретический обзор проблемы и основных методов
  • Введение в искусственные нейронные сети для решения различных задач
  • Процесс создания реальных программных моделей для прогнозирования и классификации
  • Оценка точности обученных моделей, выбор лучшей
  • Workshop 3: Создание моделей прогнозирования и классификации
Кластеризация и рекомендационные алгоритмы
  • Теоретический обзор проблемы и основных методов
  • Процесс создания реальных программных моделей для кластеризации, рекомендационных алгоритмов
  • Оценка точности обученных моделей, выбор лучшей
  • Введение в обработку естественного языка
  • Workshop 4: Создание моделей кластеризации и рекомендационных моделей
Имплементация моделей машинного обучения
  • Временные ряды и прогнозирование событий
  • Имплементация моделей машинного обучения для дальнейшего использования
  • Обсуждение результатов выполнения домашних заданий
  • Примеры архитектур полноценного проекта
  • Workshop 5: Имплементация моделей машинного обучения
  • Подведение итогов курса, презентация проектов
  • Рекомендуемые материалы и шаги для дальнейшего изучения
Защита курсового проекта

Минимальные требования:

  • Знание основ алгебры и математической статистики
  • Знание английского языка на уровне Intermediate
  • Наличие собственного ноутбука для занятий в аудиториях

* Указанные скидки не суммируются с другими действующими акциями и специальными предложениями. Если у Вас возникли вопросы, обращайтесь за консультацией к нашим менеджерам!