Курс „Специалист по наука за данни“ - курс 112 000 rub. от Yandex Workshop, обучение 8 месеца, дата 30 ноември 2023 г.
разни / / November 28, 2023
Какво правят специалистите по данни?
Анализирайте големи количества данни, разработвайте модели и прилагайте машинно обучение, за да правите прогнози и да идентифицирате модели. Те са необходими в различни области, където има нужда от съхраняване и обработка на данни.
В банки
Анализирайте данните за клиентите и определете кои показатели влияят на тяхната кредитоспособност, прогнозирайте вероятността клиентът да напусне банката
В индустрията
Използвайки машинно обучение, те прогнозират кога оборудването ще се повреди и в кое находище добивът ще донесе най-голяма печалба.
В маркетинга и търговията
Те помагат да се намерят точки на растеж, като анализират сезонността, пиковите дни на продажбите и създават система за препоръки
В транспортния сектор
Оптимизирайте работата на светофарите, оценете натоварването на пътищата и помогнете за коригиране на плановете за ремонт
Пълна курсова програма по Data Science
Ние го актуализираме редовно, за да гарантираме, че отговаря на нуждите на индустрията и работодателите. С други думи, научавате само това, което определено ще бъде полезно в работата ви.
Основи на Python и анализ на данни: Безплатен въвеждащ курс:
Научете основните концепции за анализ на данни и разберете какво правят анализаторите на данни и учените по данни. Решете пет случая на работа с данни от различни области:
- разберете причината за масовата повреда на джаджи,
- проверете изплащането на рекламата на мобилни приложения,
- намерете най-доброто местоположение за нов магазин,
- да ви помогне да изберете стратегия за развитие на стартиращ AI,
- оценка на ефективността на роботите в службата за поддръжка.
Като решавате казуси, ще научите основите на Python и библиотеката pandas, ще научите как да изграждате някои графики и да ги интерпретирате правилно.
Въведение в професията „Специалист по наука за данни“
Какво е специалист по наука за данни?
Как преподаваме.
Основен Python:
Гмурнете се по-дълбоко в езика за програмиране Python и библиотеката pandas.
+1 проект в портфолиото
Сравнете потребителските данни на Yandex. Музика по град и ден от седмицата.
Предварителна обработка на данни:
Научете се да почиствате данни от отклонения, пропуски и дубликати, както и да конвертирате различни формати на данни.
+1 проект в портфолиото
Анализирайте данните за банковите клиенти и определете дела на кредитоспособните.
Проучвателен анализ на данни:
Научете основите на вероятността и статистиката. Използвайте ги, за да изследвате основните свойства на данните, търсейки модели, разпределения и аномалии. Запознайте се с библиотеките scipy и matplotlib. Начертайте диаграми и се упражнявайте да анализирате графики.
+1 проект в портфолиото
Разгледайте архива с обяви за продажба на недвижими имоти в Санкт Петербург и Ленинградска област.
Теория на вероятностите. Допълнителен курс
Запомнете или разпознайте основните термини в теорията на вероятностите: независими, противоположни, несъвместими събития и др. Използвайки прости примери и забавни задачи, ще се упражнявате да работите с числа и да изграждате логиката на решенията.
Това е незадължителен спринт. Това означава, че всеки студент сам избира една от опциите:
- Вземете допълнителен курс от десет кратки урока, освежете теорията и решете задачи.
- Отворете само блока със задачи за интервю, запомнете практиката без теория.
- Пропуснете напълно курса или се върнете към него, когато има време и нужда.
Финален проект на първи модул
Научете как да провеждате предварителни изследвания на данни и да формулирате и тествате хипотези.
+1 проект в портфолиото
Намерете модели, които определят успеха на играта.
Въведение в машинното обучение:
Овладейте основни концепции за машинно обучение. Запознайте се с библиотеката Scikit-Learn и я използвайте, за да създадете първия си проект за машинно обучение.
+1 проект в портфолиото
Разработване на система за препоръчване на тарифи за мобилен оператор.
Обучение с наставник:
Гмурнете се по-дълбоко в най-горещата област на машинното обучение: контролирано обучение. Научете как да се справяте с небалансирани данни.
+1 проект в портфолиото
Прогнозирайте вероятността клиент да напусне банката.
Машинно обучение в бизнеса:
Научете как машинното обучение (съкр. MO) помага на бизнеса как да събира данни и как продуктовите показатели са свързани с MO показателите. Научете се да стартирате нова функционалност на услугата с помощта на ML. Научете какво представляват бизнес показателите, KPI и A/B тестването.
+1 проект в портфолиото
Обучете модел, който помага да се идентифицира ново място за производство на петрол с най-малък риск от загуба.
Финален проект на втория модул:
Подгответе данни за машинно обучение. Използвайки модела, оценете неговото качество.
+1 проект в портфолиото
Симулирайте процеса на топене на златна руда, за да подобрите работата на предприятието.
Линейна алгебра:
Разгледайте някои от алгоритмите, които сте научили досега, и разберете по-добре как да ги използвате. На практика овладейте основните понятия на линейната алгебра от нулата: линейни пространства, линейни оператори, евклидови пространства.
+1 проект в портфолиото
Използвайте метод за преобразуване на данни, за да защитите личната информация на клиентите на застрахователната компания.
Числени методи:
Ще анализирате редица алгоритми и ще ги адаптирате за решаване на практически проблеми с помощта на числени методи. Овладейте приблизителни изчисления, оценки на сложността на алгоритъма и градиентно спускане. Научете как се обучават невронните мрежи и какво е градиентно усилване.
+1 проект в портфолиото
Разработете модел за определяне на цената на употребяван автомобил.
Времеви редове:
Времевите редове описват как параметри, като консумация на електроенергия или брой поръчки за такси, се променят с течение на времето. Ще се научите да анализирате серии, да търсите тенденции и да идентифицирате сезонността. Научете как да създавате таблични данни и проблем за регресия на времеви редове.
+1 проект в портфолиото
Изградете модел и прогнозирайте пиковите таксиметрови натоварвания.
Машинно обучение за текстове:
Научете се да правите числови вектори от текстове и да решавате задачи за класификация и регресия за тях. Научете как се изчисляват характеристиките на TF-IDF и се запознайте с езиковите представяния word2vec и BERT.
+1 проект в портфолиото
Ускорете модерирането на коментари във вашата общност чрез автоматизиране на оценките за токсичност.
Основен SQL:
Научете основите на SQL езика за заявки и релационната алгебра за работа с бази данни. Запознайте се с характеристиките на работата в PostgreSQL, популярна система за управление на бази данни (съкр. СУБД). Научете се да пишете заявки с различни нива на сложност и да превеждате бизнес проблеми в SQL.
Ще работите с база данни на онлайн магазин, специализиран в търговията с филми и музика.
+1 проект в портфолиото
Напишете поредица от заявки с различна сложност към база данни, която съхранява данни за рискови инвеститори, стартиращи фирми и инвестиции в тях.
Компютърно зрение:
Научете се да решавате прости проблеми с компютърното зрение с помощта на готови невронни мрежи и библиотеката Keras. Запознайте се с Deep learning.
+1 проект в портфолиото
Изградете модел за определяне на приблизителната възраст на човек от снимка.
Учене без надзор:
Неконтролираното обучение е един от методите на машинно обучение, при който системата решава проблем без предварително маркирани данни въз основа на неговите характеристики и структура. Научете за проблемите с групирането и откриването на аномалии.
Проект за дипломиране:
В последния проект потвърдете, че сте усвоили нова професия. Изяснете задачата на клиента и преминете през всички етапи на анализ на данни и машинно обучение. Сега няма уроци и домашни - всичко е като на истинска работа.
+1 проект в портфолиото
Проект за избор:
- Изградете модел, който предвижда оттеглянето на клиенти от телекомуникационна компания.
- Изградете модел, който прогнозира параметрите на технологичния процес в металургичен завод.
д
дарямананникова
01.10.2020 Ж.
Пример за идеални онлайн курсове
В Yandex. По време на семинара изучавам професията DataScience, доста модерно направление сега и, както се оказа, е доста трудно, както се казва, трудно се учи - лесно се бори. (adsbygoogle = window.adsbygoogle || []).push({}); Имаше много трудности по пътя ми, нямах достатъчно време (взех си дипломата и работех), силите да разбирам статистика периодично ме напускаха, коронавирусът ни затвори всички вкъщи...
С
sergen355
14.07.2021 Ж.
Страхотен образователен проект
Предимства: собствен симулатор, прегледи на проекти, консултации, общност в Slack, помощ по всеки въпрос. Недостатъци: единственият минус е, че в някои теми няма пълен материал в симулатора; необходимо е допълнително време за самостоятелно търсене на информация. Учих във факултета Data Science. Добър формат на обучение. Някои влизат, други не. Но за мен това е максимума...