Опис курсу:

Можливості для фахівців Data Science - однієї з найбільш перспективних професій на сьогодні - ростуть дуже швидко у відповідь на експоненціальне зростання обсягу зібраних і аналізованих даних. Компанії наймають інженерів Data Science для пошуку прихованих закономірностей у даних і вирішення значущих бізнес-завдань. У ході курсу ви отримаєте знання і практичні навички, які допоможуть успішно рухатися по шляху фахівця Data Science.

Після вивчення курсу Ви зможете:

  • Застосовувати ключові концепції збору, підготовки, дослідження та візуалізації великих даних
  • Створювати рішення на реальних практичних прикладах для різнорідних даних з використанням платформ Microsoft Azure Мachine Learning, R і Python
  • Використовувати сучасні методи машинного навчання для вирішення завдань прогнозування і класифікації
  • Сегментувати великі дані, створювати рекомендаційні моделі для полегшення прийняття стратегічних рішень

Програма курсу:

  • Вступ до Data Science і Machine Learning
    • Знайомство і узгодження очікувань групи
    • Поняття Data Science, Machine Learning
    • Взаємодія з робочою групою
    • Історія розвитку Data Science, сучасні перспективи
    • Сценарії використання і застосування ML в сучасному світі
    • Поняття Big Data, приклади використання в реальному світі
    • Огляд успішних проектів по Big Data і Machine Learning
    • Рекомендовані матеріали для вивчення
  • Data Science Process
    • Планування і підготовка роботи
    • Проблеми при безплановість веденні Data Science проектів
    • Історичний огляд методологі ведення Data Science рішень
    • Детальний огляд сучасного Data Science процесу і його етапів
    • Ролі в Data Science процесі і команді
    • Огляд популярних інструментів і технологій для Data Science рішень
    • Workshop 1: Introduction to Data Science Technologies - підготовка платформи для наступних воркшопів
  • Data Preprocessing
    • Завантаження вихідних даних для аналізу в систему (ETL)
    • Data cleansing and transformation
    • Data Sampling and Quantization
    • Exploring and Visualizing Data
    • Workshop 2: Working with Data
  • Моделі прогнозування
    • Теоретичний огляд проблеми та основних методів
    • Процес створення реальних програмних моделей для прогнозування
    • Оцінка точності моделей прогнозування, вибір кращої, імплементація
    • Workshop 3: Створення прогнозних моделей
  • Моделі класифікації
    • Теоретичний огляд проблеми та основних методів
    • Процес створення реальних програмних моделей для класифікації
    • Оцінка точності моделей класифікації, вибір кращої, імплементація
    • Workshop 4: створення моделей класифікації
  • Кластеризація та рекомендаційні алгоритми
    • Теоретичний огляд проблеми та основних методів
    • Процес створення реальних програмних моделей для даних задач
    • Імплементація моделей машинного навчання для подальшого використання
    • Workshop 5: Створення моделей кластеризації і рекомендаційних моделей
    • Підведення підсумків курсу

Мінімальні вимоги:

  • Знання основ алгебри та математичної статистики
  • Знання англійської мови

* Вказані знижки не сумуються з іншими діючими акціями та спеціальними пропозиціями. Якщо у Вас виникли питання, звертайтеся за консультацією до наших менеджерів!