Введение
в анализ данных и машинное обучение
В этом курсе вы поймете важность хороших, качественных данных. Изучите общие методы извлечения ваших данных, их очистки, подготовки к предварительному анализу и проверке гипотез. Курс предоставит обзор многих дополнительных концепций, методов и алгоритмов машинного обучения, от базовой классификации до деревьев решений и кластеризации. Пройдя этот курс, вы узнаете, как применять, тестировать и интерпретировать алгоритмы машинного обучения для проведения исследований и решения прикладных задач.
- СтоимостьБесплатно
- Длительность2 месяца
- УровеньДля продолжающих обучение
- Документ об окончанииНе выдается
О курсе
Этот курс представляет собой введение в обработку и анализ данных, машинное обучение и алгоритмы. Вы разовьете базовое понимание принципов машинного обучения и получите практические навыки построения решений с помощью прогнозной аналитики. Мы также рассмотрим, почему алгоритмы играют важную роль в анализе больших данных.
Новый горизонт развития
Машинное обучение проникает практически во все области, основанные на данных, а большие данные вездесущи — от частных предприятий до государственных организаций. Это новый подход к решению проблем, и, хотя потенциал машинного обучения часто преувеличен, машинное обучение действительно открывает новые возможности, но и создает некоторые реальные проблемы. Возможность анализировать и объединять большие объемы данных из разных источников имеет очевидную ценность.
Использование во многих сферах
Машинное обучение уже сегодня применяется в бизнес-маркетинге и финансах, здравоохранении, кибербезопасности, розничной торговле, транспорте и логистике, сельском хозяйстве, Интернете вещей, играх и развлечениях, диагностике пациентов, обнаружении мошенничества, обнаружении аномалий в производстве, научных кругах/исследованиях, системах рекомендаций и многих других областях. Навыки, полученные на этом курсе, дадут вам много вариантов для деятельности в выбранной сфере.
Машинное обучение проникает практически во все области, основанные на данных, а большие данные вездесущи — от частных предприятий до государственных организаций. Это новый подход к решению проблем, и, хотя потенциал машинного обучения часто преувеличен, машинное обучение действительно открывает новые возможности, но и создает некоторые реальные проблемы. Возможность анализировать и объединять большие объемы данных из разных источников имеет очевидную ценность.
Использование во многих сферах
Машинное обучение уже сегодня применяется в бизнес-маркетинге и финансах, здравоохранении, кибербезопасности, розничной торговле, транспорте и логистике, сельском хозяйстве, Интернете вещей, играх и развлечениях, диагностике пациентов, обнаружении мошенничества, обнаружении аномалий в производстве, научных кругах/исследованиях, системах рекомендаций и многих других областях. Навыки, полученные на этом курсе, дадут вам много вариантов для деятельности в выбранной сфере.
Для кого
Кому подойдет этот курс
Курс строго ориентирован на машинное обучение и анализ данных, поэтому обязательным условием является наличие опыта работы в области статистики и/или традиционного анализа данных.
- Для студентовкурс рекомендуется для прохождения магистрантам и студентам старших курсов для получения необходимых знаний, используемых в исследовательской и конструкторской части выпускных работ.
- Для аналитиков данныхдля тех, кто работает и имеет опыт в области статистики, анализа данных и машинного обучения.
Требования
Предварительная подготовка и оборудование
Для работы понадобится ноутбук или стационарный компьютер с macOS, Linux или Windows версии 10 и выше. Все инструкции по установке необходимого ПО имеются в уроках курса. Приобретение специализированного ПО не требуется, так как работа построена на использовании облачных сервисов и ПО с открытым исходным кодом. Настоятельно рекомендуется получить знания об основах программирования на Python. Это можно сделать, записавшись и пройдя бесплатный курс «Python. Быстрый старт».
Результаты обучения
Ваши навыки после обучения на курсе
- Научитесь считывать и анализировать различные типы данных
- Сможете визуализировать и обобщать наборы данных в Python
- Применять алгоритмы машинного обучения к новым данным в Python
- Узнаете о передовых методах обучения и научитесь оценивать модели машинного обучения, приобретете знания о распространённых ловушках
Содержание курса
В программу входят:
- 30уроков
- 19тестов
- 4задачи
- Инженерия данных
- Задачи анализа данных
- Обработка числовых данных в NumPy
- Операции с массивами NumPy
- Обработка данных в Pandas
- Операции с DataFrame Pandas
- Визуализация данных с помощью Matplotlib
- Построение точечной диаграммы
- Тепловые карты, изображения и сетка
- Интерактивная визуализация с Plotly
- Понятие вероятности. Теорема Байеса
- Распределение вероятностей
- Среднее, средневзвешенное и выбросы
- Медиана, процентили, квантили и диапазон
- Ассиметрия, эксцесс, дисперсия
- Задача проверки гипотез
- Тест на стационарность и нормальность
- Понятие корреляции, корреляционные тесты
- Параметрические и непараметрические методы
- Алгоритмы машинного обучения
- Линейная, множественная и полиномиальная регрессии
- Логистическая регрессия. Введение в классификацию
- Классификаторы на основе деревьев решений
- Алгоритм k-ближайших соседей (kNN)
- Алгоритм стохастического градиентного спуска
- Алгоритм кластеризации k-средних
- Введение в нейронные сети
- Граф вычислений и MLP
- Применение нейросетей. Операция свёртки
- Функции активации. Инициализация
Начните изучать анализ данных прямо сейчас
Начать обучение
- Дистанционно
- Когда вам удобно
- Поддержка пользователей
- Учебный материал доступен всегда
-
Стоимость
Бесплатно
-
Длительность
2 месяца
-
Формат обучения
Онлайн
ООО «Студия цифровых решений»
+7 937 115-20-30
info@digtlab.ru
