Курс-практикум: Основы Data Science и машинного обучения

3,800.00

14 и 15 сентября, 10:00 — 19:00

 

Место проведения: «ПАРИТЕТ ЦЕНТР» г. Киев, ул. Ивана Кудри, 13/2

Категория:

Описание

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 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.

Требования к участникам:

  • Логическое мышление
  • Technical English

Подробная программа курса:

1-й День:

  Занятие 1: 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
  • Сценарии использования и применения ML в современном мире
  • Обзор успешных проектов по Big Data и Machine Learning
  • Этап Business Understanding в Data Science процесу

  Занятие 2: 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: Подготовка платформы для последующих воркшопов

  Занятие 3: Предварительная обработка данных

  • Загрузка исходных данных для анализа в систему (ETL)
  • Data cleansing and transformation
  • Data Sampling and Quantization
  • Походы и методики для визуализации данных
  • Workshop 2: Подготовка данных для проекта

 

2-й День:

Занятие 4: 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

  Занятие 5 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

  Занятие 6: Имплементация моделей машинного обучения

  • Временные ряды и прогнозирование событий
  • Имплементация моделей машинного обучения для дальнейшего использования
  • Примеры архитектур полноценного проекта
  • Workshop 5: Имплементация моделей машинного обучения
  • Подведение итогов курса, презентация проектов
  • Рекомендуемые материалы и шаги для дальнейшего изучения

Тренер:

Дмитрий Гузенко