Профессия Data Scientist

10 занятий

• • Зачем нужны компьютерные программы?
  • Переменные, выражения и инструкции Python
  • Управление потоком выполнения
  • Итерации
  • Функции и модули
  • Строки
  • Файлы
  • Коллекции
  • Элементы функционального программирования
  • Объектно-ориентированное программирование

16 занятий

• • Введение в машинное обучение и Data Science
  • Основы языков программирования Python и R для Data Science
  • Функциональное программирование в Python и R
  • Исследование и подготовка данных к анализу
  • Визуализация данных в R и Python
  • Основные понятия статистического анализа
  • Типичные проблемы в подготовке данных к анализу
  • Базовые регрессионные модели
  • Базовые модели классификации
  • Базовые модели кластеризации и снижения размерности
  • Деревья решений и ансамбли
  • Методы улучшения качества моделей машинного обучения
  • Введение в нейронные сети. Нейронные сети для классификации изображений
  • Прогнозирование временных рядов
  • Документация Data Science проектов, Data Science в производственной среде
  • Практикум по улучшению качества моделей

7 занятий

• • Введение в Data Science и Machine Learning
  • Data Science Process and Frameworks
  • Предварительная обработка данных
  • Прогнозирование и классификация
  • Кластеризация и рекомендательные алгоритмы
  • Имплементация моделей машинного обучения
  • Защита курсового проекта

12 занятий

• • Общие сведения об интеллектуальном анализе данных (ИАД) и машинном обучении
  • Методы и алгоритмы классификации
  • Методы и алгоритмы кластеризации
  • Методы и алгоритмы построения ассоциативных правил. Секвенциальный анализ
  • Ансамбли моделей ИАД
  • Методы и алгоритмы анализа текстовой информации (text mining)

• Научишься использовать нейронные сети для решения реальных задач в областях:
  — компьютерного зрения;
  — обработки естественного языка;
  — прогнозирования временных рядов.
• Изучишь библиотеки Tensorflow и Keras API.