Pembelajaran mesin. Dasar - kursus 52.668 gosok. dari Otus, pelatihan 6 bulan, tanggal 27 Februari 2023.
Miscellanea / / November 30, 2023
Anda akan belajar memecahkan masalah dari proses kerja nyata, yang paling sering ditugaskan kepada spesialis pemula dalam Ilmu Data. Pada akhir kursus, Anda akan mengumpulkan portofolio pekerjaan, menyelesaikan persiapan wawancara dan konseling karir.
Kursus ini akan memberi Anda landasan yang diperlukan:
ular piton. Anda akan mempelajari dasar-dasar pemrograman dan mempelajari cara menggunakan bahasa yang paling relevan ini dalam tugas-tugas Pembelajaran Mesin.
Matematika. Kuasai bagian-bagian penting untuk memahami landasan teoretis dan prinsip-prinsip algoritma.
Model Pembelajaran Mesin Klasik. Kumpulkan kumpulan data Anda dan selesaikan seluruh rangkaian pekerjaan dengan model pertama Anda.
Suasana kreatif:
Selama pelatihan, Anda akan dibenamkan dalam kondisi yang mendekati proses kerja nyata. Anda harus menangani data kotor, berpikir ke depan, bereksperimen dengan solusi, dan menyiapkan model untuk produksi.
Lingkungan kelas mendorong siswa untuk memiliki rasa ingin tahu, aktif berdiskusi, dan tidak takut melakukan kesalahan.
Mentor pribadi:
Sesi online selama 40 menit setiap minggu;
Di awal pelatihan Anda, Anda diberi seorang mentor. Seperti halnya guru, mentor adalah pakar yang bekerja di bidang Ilmu Data;
Seminggu sekali Anda mengerjakan pekerjaan rumah Anda, mempostingnya di GitHub dan mengatur panggilan telepon dengan mentor Anda;
Mentor mengetahui kode Anda terlebih dahulu, sehingga pada saat pertemuan dia sudah tahu apa yang harus diperhatikan. Anda juga dapat menyiapkan pertanyaan;
Selama sesi, mentor akan mengomentari keputusan Anda. Jika perlu, Anda bisa langsung masuk ke lingkungan pengembangan, melakukan perubahan pada kode dan langsung melihat hasilnya.
Setelah pelatihan Anda akan dapat:
Melamar posisi yang membutuhkan kompetensi junior
Selesaikan masalah bisnis nyata menggunakan metode pembelajaran mesin
Bekerja dengan perpustakaan Python untuk Machine Learning
Mengatasi situasi non-standar melalui pemahaman teoritis yang mendalam tentang cara kerja algoritma dan model
Jelajahi berbagai bidang Ilmu Data dan pilih alat yang sesuai untuk tugas tersebut.
3
kursusBekerja sebagai analis data di tim AGI NLP di Bank Tabungan. Bekerja pada model bahasa jaringan saraf dan penerapannya dalam masalah kehidupan nyata. Percaya bahwa bekerja di bidang Ilmu Data memberikan pengalaman yang unik...
Bekerja sebagai analis data di tim AGI NLP di Bank Tabungan. Bekerja pada model bahasa jaringan saraf dan penerapannya dalam masalah kehidupan nyata. Ia percaya bahwa bekerja di bidang Ilmu Data memberikan peluang unik untuk melakukan hal-hal keren di bidang sains yang mengubah dunia saat ini. Mengajar mata pelajaran analisis data, pembelajaran mesin, dan ilmu data di Sekolah Tinggi Ekonomi. Maria lulus dari Fakultas Mekanika dan Matematika Universitas Negeri Moskow dan Sekolah Analisis Data Yandex. Maria saat ini adalah mahasiswa pascasarjana di Sekolah Tinggi Ekonomi di Fakultas Ilmu Komputer. Minat penelitiannya mencakup bidang ilmu data seperti pemrosesan bahasa alami dan pemodelan topik. Manajer Program
3
kursusMempraktikkan pembelajaran mesin dan analisis data sejak 2012. Saat ini bekerja sebagai Kepala Litbang di WeatherWell. Memiliki pengalaman dalam penerapan praktis pembelajaran mesin dalam pengembangan game, perbankan, dan...
Mempraktikkan pembelajaran mesin dan analisis data sejak 2012. Saat ini bekerja sebagai Kepala Litbang di WeatherWell. Memiliki pengalaman dalam penerapan praktis pembelajaran mesin dalam pengembangan game, perbankan, dan Teknologi Kesehatan. Dia mengajar pembelajaran mesin dan analisis data di Pusat Keuangan Matematika Universitas Negeri Moskow, dan menjadi dosen tamu di Fakultas Ilmu Komputer Sekolah Tinggi Ekonomi Universitas Riset Nasional dan berbagai sekolah musim panas. Pendidikan: Ekonomi-matematika REU im. Plekhanov, Fakultas Pusat Matematika dan Matematika Universitas Negeri Moskow, pelatihan profesional lanjutan dari Fakultas Ilmu Komputer Sekolah Tinggi Ekonomi "Analisis data praktis dan pembelajaran mesin", MSc Ilmu Komputer Aalto Tumpukan/Minat Universitas: Python, Pembelajaran Mesin, Rangkaian Waktu, Deteksi Anomali, Data Terbuka, ML untuk sosial Bagus
Pengantar Python
-Topik 1. Mengenal satu sama lain
-Topik 2. Menyiapkan lingkungan kerja
-Topik 3. Tipe dasar dan struktur data. Alur kontrol
-Topik 4.Bekerja dengan fungsi dan data
-Tema 5.Git, cangkang
Pengantar Python. OOP, modul, database
-Topik 6. Dasar-dasar OOP
-Topik 7. OOP tingkat lanjut, pengecualian
-Topik 8.OOP Lanjutan, lanjutan
-Topik 9.Modul dan impor
-Topik 10.Tes
-Topik 11.Pengantar modul bawaan
-Topik 12. File dan jaringan
Dasar-dasar Python untuk ML
-Topik 13. Dasar-dasar NumPy
-Topik 14. Dasar-dasar Panda
-Topik 15.Visualisasi data
Minimum teoretis untuk ML: matematika, linier, statistik
-Topik 16.Matriks. Konsep Dasar dan Operasi
-Topik 17.Latihan. Matriks
-Topik 18. Diferensiasi dan optimalisasi fungsi
-Topik 19.Latihan. Diferensiasi dan optimalisasi fungsi
-Topik 20. Algoritma dan kompleksitas komputasi
-Topik 21.MNC dan UMK
-Topik 22.Latihan. MNE dan UMK
-Topik 23. Variabel acak dan pemodelannya
-Topik 24.Latihan. Variabel acak dan pemodelannya
-Topik 25. Kajian ketergantungan: besaran nominal, ordinal dan kuantitatif
-Topik 26.Latihan. Kajian ketergantungan: besaran nominal, ordinal dan kuantitatif
-Topik 27. Pengujian AB
Metode Pembelajaran Mesin Dasar
-Topik 28.Pengantar pembelajaran mesin
-Topik 29. Analisis Data Eksplorasi dan Pemrosesan Awal
-Topik 30. Masalah klasifikasi. Metode tetangga terdekat
-Topik 31.Masalah regresi. Regresi linier
-Topik 32.Regresi logistik
-Topik 33.Pohon keputusan
-Topik 34. Rekayasa fitur & pra-pemrosesan lanjutan
-Topik 35. Pelajaran praktis - menyelesaikan Kaggle menggunakan semua yang telah kita pelajari
Pekerjaan proyek
-Topik 36. Pemilihan topik dan organisasi pekerjaan proyek
-Topik 37. Konsultasi proyek
-Topik 38.Perlindungan proyek