Kurs „Specjalista ds. nauki o danych” - kurs 112 000 rub. z warsztatu Yandex, szkolenie 8 miesięcy, data 30 listopada 2023 r.
Miscellanea / / November 28, 2023
Czym zajmują się badacze danych?
Analizuj duże ilości danych, opracowuj modele i stosuj uczenie maszynowe do prognozowania i identyfikowania wzorców. Są potrzebne w różnych obszarach, gdzie istnieje potrzeba przechowywania i przetwarzania danych.
W bankach
Analizuj dane o klientach i ustalaj, jakie wskaźniki wpływają na ich zdolność kredytową, prognozuj prawdopodobieństwo opuszczenia banku przez klienta
W przemyśle
Wykorzystując uczenie maszynowe, przewidują, kiedy sprzęt ulegnie awarii i w którym wydobycie złoża przyniesie największy zysk.
W marketingu i handlu
Pomagają znaleźć punkty wzrostu, analizując sezonowość, dni szczytowych sprzedaży i tworzą system rekomendacji
W branży transportowej
Zoptymalizuj działanie sygnalizacji świetlnej, oceń obciążenie dróg i pomóż dostosować plany napraw
Kompletny program kursu z zakresu Data Science
Aktualizujemy go regularnie, aby mieć pewność, że spełnia potrzeby branży i pracodawców. Inaczej mówiąc, uczysz się tylko tego, co na pewno przyda się w Twojej pracy.
Podstawy Pythona i analizy danych: Bezpłatny kurs wprowadzający:
Poznaj podstawowe pojęcia związane z analizą danych i zrozum, czym zajmują się analitycy danych i badacze danych. Rozwiąż pięć przypadków pracy z danymi z różnych obszarów:
- znaleźć przyczynę masowej awarii gadżetów,
- sprawdź opłacalność reklamy w aplikacjach mobilnych,
- znaleźć najlepszą lokalizację dla nowego sklepu,
- pomoc w wyborze strategii rozwoju startupu AI,
- ocenić skuteczność robotów w służbie wsparcia.
Rozwiązując przypadki poznasz podstawy Pythona i biblioteki pandas, nauczysz się budować niektóre wykresy i poprawnie je interpretować.
Wprowadzenie do zawodu „Specjalista Data Science”
Kim jest specjalista ds. nauki o danych?
Jak uczymy.
Podstawowy Python:
Zanurz się głębiej w język programowania Python i bibliotekę pandas.
+1 projekt w portfelu
Porównaj dane użytkownika Yandex. Muzyka według miasta i dnia tygodnia.
Wstępne przetwarzanie danych:
Naucz się czyścić dane z wartości odstających, pominięć i duplikatów, a także konwertować różne formaty danych.
+1 projekt w portfelu
Analizuj dane o klientach banku i określaj udział klientów posiadających zdolność kredytową.
Analiza danych rozpoznawczych:
Naucz się podstaw prawdopodobieństwa i statystyki. Wykorzystaj je do eksploracji podstawowych właściwości danych, szukania wzorców, rozkładów i anomalii. Poznaj biblioteki scipy i matplotlib. Rysuj diagramy i ćwicz analizę wykresów.
+1 projekt w portfelu
Przeglądaj archiwum ogłoszeń sprzedaży nieruchomości w Petersburgu i obwodzie leningradzkim.
Teoria prawdopodobieństwa. Kurs dodatkowy
Zapamiętaj lub rozpoznaj podstawowe pojęcia z teorii prawdopodobieństwa: zdarzenia niezależne, przeciwne, niezgodne itp. Korzystając z prostych przykładów i zabawnych problemów, przećwiczysz pracę z liczbami i budowanie logiki rozwiązań.
To opcjonalny sprint. Oznacza to, że każdy student sam wybiera jedną z opcji:
- Weź udział w dodatkowym kursie składającym się z dziesięciu krótkich lekcji, odśwież teorię i rozwiąż problemy.
- Otwórz tylko blok z zadaniami do rozmowy kwalifikacyjnej, pamiętaj o praktyce bez teorii.
- Pomiń kurs całkowicie lub wróć do niego, gdy będzie czas i potrzeba.
Projekt końcowy pierwszego modułu
Dowiedz się, jak przeprowadzić wstępne badanie danych oraz formułować i testować hipotezy.
+1 projekt w portfelu
Znajdź wzorce, które decydują o powodzeniu gry.
Wprowadzenie do uczenia maszynowego:
Opanuj podstawowe koncepcje uczenia maszynowego. Poznaj bibliotekę Scikit-Learn i wykorzystaj ją do stworzenia swojego pierwszego projektu uczenia maszynowego.
+1 projekt w portfelu
Opracuj system rekomendacji taryfowych dla operatora komórkowego.
Szkolenie prowadzone przez korepetytora:
Zanurz się głębiej w najgorętszy obszar uczenia maszynowego: uczenie nadzorowane. Dowiedz się, jak radzić sobie z niezrównoważonymi danymi.
+1 projekt w portfelu
Przewiduj prawdopodobieństwo opuszczenia banku przez klienta.
Uczenie maszynowe w biznesie:
Dowiedz się, jak uczenie maszynowe (w skrócie MO) pomaga firmie w gromadzeniu danych i powiązaniu wskaźników produktu z wskaźnikami MO. Dowiedz się, jak uruchomić nową funkcjonalność usługi przy użyciu ML. Dowiedz się czym są wskaźniki biznesowe, KPI i testy A/B.
+1 projekt w portfelu
Wytrenuj model, który pomoże zidentyfikować nową lokalizację wydobycia ropy naftowej przy najmniejszym ryzyku strat.
Projekt końcowy drugiego modułu:
Przygotuj dane do uczenia maszynowego. Korzystając z modelu, oceń jego jakość.
+1 projekt w portfelu
Symuluj proces wytapiania rudy złota, aby usprawnić działanie przedsiębiorstwa.
Algebra liniowa:
Przyjrzyj się niektórym algorytmom, których nauczyłeś się do tej pory i lepiej zrozum, jak z nich korzystać. W praktyce opanuj od podstaw główne pojęcia algebry liniowej: przestrzenie liniowe, operatory liniowe, przestrzenie euklidesowe.
+1 projekt w portfelu
Użyj metody konwersji danych, aby chronić dane osobowe klientów firmy ubezpieczeniowej.
Metody numeryczne:
Przeanalizujesz szereg algorytmów i zaadaptujesz je do rozwiązywania praktycznych problemów za pomocą metod numerycznych. Opanuj obliczenia przybliżone, szacunki złożoności algorytmów i opadanie gradientu. Dowiedz się, jak trenowane są sieci neuronowe i na czym polega wzmacnianie gradientu.
+1 projekt w portfelu
Opracuj model pozwalający określić koszt używanego samochodu.
Szereg czasowy:
Szeregi czasowe opisują, jak parametry, takie jak zużycie energii elektrycznej czy liczba zamówień taksówek, zmieniają się w czasie. Nauczysz się analizować seriale, szukać trendów i identyfikować sezonowość. Dowiedz się, jak tworzyć dane tabelaryczne i problem regresji szeregów czasowych.
+1 projekt w portfelu
Zbuduj model i przewiduj szczytowe obciążenia taksówek.
Uczenie maszynowe dla tekstów:
Naucz się tworzyć wektory numeryczne z tekstów i rozwiązywać dla nich problemy klasyfikacji i regresji. Dowiedz się, jak obliczane są funkcje TF-IDF i zapoznaj się z reprezentacjami języków word2vec i BERT.
+1 projekt w portfelu
Przyspiesz moderację komentarzy w swojej społeczności, automatyzując ocenę toksyczności.
Podstawowy SQL:
Naucz się podstaw języka zapytań SQL i algebry relacyjnej do pracy z bazami danych. Zapoznaj się z możliwościami pracy w PostgreSQL, popularnym systemie zarządzania bazami danych (w skrócie. DBMS). Naucz się pisać zapytania o różnym stopniu złożoności i przekładać problemy biznesowe na język SQL.
Będziesz pracować z bazą danych sklepu internetowego specjalizującego się w filmach i muzyce.
+1 projekt w portfelu
Napisz serię zapytań o różnym stopniu złożoności do bazy danych przechowującej dane o inwestorach typu venture, start-upach i inwestycjach w nich.
Wizja komputerowa:
Naucz się rozwiązywać proste problemy związane z widzeniem komputerowym, korzystając z gotowych sieci neuronowych i biblioteki Keras. Poznaj głębokie uczenie się.
+1 projekt w portfelu
Zbuduj model, aby określić przybliżony wiek osoby ze zdjęcia.
Uczenie się bez nadzoru:
Uczenie się bez nadzoru to jedna z metod uczenia maszynowego, w której system rozwiązuje problem bez uprzednio oznakowanych danych na podstawie jego cech i struktury. Dowiedz się więcej o problemach z grupowaniem i wykrywaniem anomalii.
Projekt dyplomowy:
W ostatnim projekcie potwierdź, że opanowałeś nowy zawód. Wyjaśnij zadanie klienta i przejdź przez wszystkie etapy analizy danych i uczenia maszynowego. Teraz nie ma lekcji ani zadań domowych – wszystko jest jak w prawdziwej pracy.
+1 projekt w portfelu
Projekt do wyboru:
- Zbuduj model przewidujący odpływ klientów z firmy telekomunikacyjnej.
- Zbuduj model prognozujący parametry procesu technologicznego w zakładzie metalurgicznym.
D
darjamanannikowa
01.10.2020 G.
Przykład idealnych kursów online
W Yandexie. Na warsztatach studiuję zawód DataScience, obecnie dość modny kierunek i jak się okazało dość trudny, jak to się mówi, trudny do nauczenia - łatwy do pokonania. (adsbygoogle = window.adsbygoogle || []).push({}); Na mojej drodze było wiele trudności, brakowało mi czasu (robiłem dyplom i pracowałem), siły na zrozumienie statystyk okresowo mnie opuszczały, koronawirus zamknął nas wszystkich w domach…
S
sergen355
14.07.2021 G.
Świetny projekt edukacyjny
Zalety: własny symulator, recenzje projektów, konsultacje, społeczność na Slacku, pomoc w każdej sprawie. Wady: jedyny minus to to, że w niektórych tematach w symulatorze nie ma pełnego materiału, potrzebny jest dodatkowy czas na samodzielne wyszukiwanie informacji.Studiowałem na Wydziale Data Science. Dobra forma szkolenia. Niektórzy wchodzą, inni nie. Ale dla mnie to maksimum...