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 инженеров Data Science для поиска скрытых закономерностей в данных и решения значимых бизнес задач. В ходе курса вы получите знания и практические навыки, которые помогут успешно двигаться по пути специалиста Data Science.

После изучения курса Вы сможете:

  • Применять ключевые концепции сбора, подготовки, исследования и визуализации больших данных
  • Создавать решения на реальных практических примерах для разнородных данных с использованием платформ Microsoft Azure Мachine Learning, R и Python
  • 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
    • Знакомство и согласование ожиданий группы
    • Понятие Data Science, Machine Learning
    • Взаимодействие с рабочей группой
    • История развития Data Science, современные перспективы
    • Сценарии использования и применения ML в современном мире
    • Понятие Big Data, примеры использования в реальном мире
    • Обзор успешных проектов по Big Data и Machine Learning
    • Рекомендуемые материалы для изучения
  • Data Science Process
    • Планирование и подготовка работы
    • Проблемы при бесплановом ведении Data Science проектов
    • Исторический обзор методологий ведения Data Science решений
    • Детальный обзор современного Data Science процесса и его этапов
    • Роли в Data Science процессе и команде
    • Обзор популярных инструментов и технологий для Data Science решений
    • Workshop 1: Introduction to Data Science Technologies – подготовка платформы для последующих воркшопов
  • Data Preprocessing
    • Загрузка исходных данных для анализа в систему (ETL)
    • Data cleansing and transformation
    • Data Sampling and Quantization
    • Exploring and Visualizing Data
    • Workshop 2: Working with Data
  • Модели прогнозирования
    • Теоретический обзор проблемы и основных методов
    • Процесс создания реальных программных моделей для прогнозирования
    • Оценка точности моделей прогнозирования, выбор лучшей, имплементация
    • Workshop 3: Создание прогнозных моделей
  • Модели классификации
    • Теоретический обзор проблемы и основных методов
    • Процесс создания реальных программных моделей для классификации
    • Оценка точности моделей классификации, выбор лучшей, имплементация
    • Workshop 4: Создание моделей классификации
  • Кластеризация и рекомендационные алгоритмы
    • Теоретический обзор проблемы и основных методов
    • Процесс создания реальных программных моделей для данных задач
    • Имплементация моделей машинного обучения для дальнейшего использования
    • Workshop 5: Создание моделей кластеризации и рекомендационных моделей
    • Подведение итогов курса

Минимальные требования:

  • Знание основ алгебры и математической статистики
  • Знание английского языка

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