Поиск
Искать только в заголовках
Автор:
Искать только в заголовках
Автор:
Главная
Отзывы
Получить доступ
Стол заказов
FAQ
Обновление ссылок
Заработать
Поддержка
Вход
Регистрация
Поиск
Искать только в заголовках
Автор:
Искать только в заголовках
Автор:
Меню
Установить приложение
Установить
Ответить в теме
Главная
Каталог курсов
IT, ИИ, программирование, тестирование, аналитика
Слёрм - Data Scientist (2024)
JavaScript отключён. Для полноценно использования нашего сайта, пожалуйста, включите JavaScript в своём браузере.
Вы используете устаревший браузер. Этот и другие сайты могут отображаться в нем неправильно.
Необходимо обновить браузер или попробовать использовать
другой
.
Сообщение
<blockquote data-quote="Настасия" data-source="post: 3460" data-attributes="member: 867"><p><strong>Слёрм - Data Scientist (2024)</strong></p><p><strong></strong></p><p><strong>[ATTACH=full]1405[/ATTACH]</strong></p><p><strong></strong></p><p><strong>Data Scientist (2024) [Слёрм] [Иван Аникин, Владимир Бугаевский]</strong></p><p>Это курс об автоматизации. Вы узнаете, как научить компьютеры «думать» самостоятельно. </p><p>Мы поможем уверенно стартовать в карьере в ML: вы сможете сделать итоговый проект на реальных данных. 30% теории. 70% практики.</p><p></p><p><strong>Вы научитесь:</strong></p><p>1. Анализировать и визуализировать большие объемы данных</p><p>2. Сводить бизнес-задачу в задачу машинного обучения</p><p>3. Работать с данными разных типов</p><p></p><p><strong>Какими проектами может заниматься специалист по машинному обучению:</strong></p><p>1. Создаст умный поиск, который поймет пользователя с полуслова и точно найдет то, что просит человек</p><p>2. Разработает алгоритм для персонифици-рованной рекламы в социальных сетях: чтобы клиенты точно нажали на рекламный баннер, который на 100% попадает в их сердечко</p><p>3. Придумает умного бота для общения с клиентами — «Алису 2.0» или голосового помощника «Игоря»</p><p>4. Получит информацию из данных компании и сможет предложить на их основе рабочую гипотезу для увеличения прибыли компании</p><p></p><p><strong>Кому рекомендуем курс:</strong></p><p><strong>1. Разработчикам, работающим в кросс-функциональных командах вместе с Data Scientist’ами</strong></p><p>На курсе мы даем специфику разработки ML-моделей, а с этими знаниями общаться с коллегами получается эффективнее и продуктивнее. Вы сможете внедрять новые решения и быть уверенными в том, что принесете прибыль проекту.</p><p></p><p><strong>2. Software Engineer, Data Engineer, DevOps Engineer на уровне Middle</strong></p><p>Вы сможете перейти в смежную профессиональную область и начать выполнять другие рабочие задачи. Ваш бэкграунд в дата-направлении поможет быстро перейти от уровня Junior Data Scientist до статуса продвинутого специалиста.</p><p></p><p><strong>3. Уже знакомы с Python и хотите освоить новое рабочее направление</strong></p><p>Data Scientist используют в своей работе библиотеки Python. Так что ваши умения пригодятся вам при переходе в новое направление. Знания линейной алгебры, теории вероятностей и математической статистики будет плюсом.</p><p></p><p><strong>На курсе мы разбираем:</strong></p><p>1. Основные алгоритмы и понятия классического машинного обучения</p><p>2. Применение машинного обучения в бизнес-задачах</p><p>3. Базовые подходы для построения нейронных сетей, фреймворк PyTorch для написаний нейронных сетей</p><p>4. Основные библиотеки для анализа данных: numpy, scipy, pandas, matplotlib</p><p></p><p><strong>Какие инструменты освоите:</strong></p><p><strong>1. Библиотеки</strong></p><ul> <li data-xf-list-type="ul">Pandas</li> <li data-xf-list-type="ul">Numpy</li> <li data-xf-list-type="ul">Matplotlib</li> <li data-xf-list-type="ul">Scikit-learn</li> <li data-xf-list-type="ul">Xgboost</li> <li data-xf-list-type="ul">Lightgbm</li> <li data-xf-list-type="ul">Catboost</li> <li data-xf-list-type="ul">Hyperopt</li> </ul><p><strong>2. Алгоритмы</strong></p><ul> <li data-xf-list-type="ul">KNN</li> <li data-xf-list-type="ul">Linear Regression</li> <li data-xf-list-type="ul">Logistic Regression</li> <li data-xf-list-type="ul">Clusterization</li> <li data-xf-list-type="ul">Decision Tree</li> <li data-xf-list-type="ul">Gradient Boosting</li> </ul><p><strong>Программа курса:</strong></p><ul> <li data-xf-list-type="ul">Модуль 0 - Установочная сессия</li> <li data-xf-list-type="ul">Модуль 1 - Введение. Определение ML</li> <li data-xf-list-type="ul">Модуль 2 - Анализ данных как первый шаг к ML/DS</li> <li data-xf-list-type="ul">Модуль 3 - Постановка задачи машинного обучения на примере KNN<br /> Встреча по темам 1-3</li> <li data-xf-list-type="ul">Модуль 4 - Валидация модели и подготовка данных</li> <li data-xf-list-type="ul">Модуль 5 - Обучение с учителем — регрессия</li> <li data-xf-list-type="ul">Модуль 6 - Обучение с учителем — классификация<br /> Встреча по темам 4-6</li> <li data-xf-list-type="ul">Модуль 7 - Деревья решений</li> <li data-xf-list-type="ul">Модуль 8 - Обучение без учителя</li> <li data-xf-list-type="ul">Модуль 9 - Оптимизация ML-пайплайна<br /> Встреча по темам 7-9 + объяснения итогового проекта</li> <li data-xf-list-type="ul">Модуль 10 - Итоговый проект</li> <li data-xf-list-type="ul">Модуль 11 - Введение в глубокое обучение (DL + CV)</li> <li data-xf-list-type="ul">Модуль 12 - Введение в обработку текстов (NLP)</li> <li data-xf-list-type="ul">Модуль 13 - Введение в рекомендательные системы (RecSys)</li> <li data-xf-list-type="ul">Модуль 14 - Обзор наиболее популярных бизнес-задач, решаемых с помощью ML. Маппинг задач на ранее пройденный материал</li> <li data-xf-list-type="ul">Модуль 15 - Проект<br /> Встреча по доп. модулю + защита проектов</li> </ul><p><strong>Продажник:</strong></p><p><strong></strong></p><p><strong>*** Hidden text: cannot be quoted. ***</strong></p><p><strong></strong></p><p><strong></strong></p><p><strong>Скачать:</strong></p><p><strong></strong></p><p><strong>*** Hidden text: cannot be quoted. ***</strong></p><p><strong></strong></p></blockquote><p></p>
[QUOTE="Настасия, post: 3460, member: 867"] [B]Слёрм - Data Scientist (2024) [ATTACH type="full"]1405[/ATTACH] Data Scientist (2024) [Слёрм] [Иван Аникин, Владимир Бугаевский][/B] Это курс об автоматизации. Вы узнаете, как научить компьютеры «думать» самостоятельно. Мы поможем уверенно стартовать в карьере в ML: вы сможете сделать итоговый проект на реальных данных. 30% теории. 70% практики. [B]Вы научитесь:[/B] 1. Анализировать и визуализировать большие объемы данных 2. Сводить бизнес-задачу в задачу машинного обучения 3. Работать с данными разных типов [B]Какими проектами может заниматься специалист по машинному обучению:[/B] 1. Создаст умный поиск, который поймет пользователя с полуслова и точно найдет то, что просит человек 2. Разработает алгоритм для персонифици-рованной рекламы в социальных сетях: чтобы клиенты точно нажали на рекламный баннер, который на 100% попадает в их сердечко 3. Придумает умного бота для общения с клиентами — «Алису 2.0» или голосового помощника «Игоря» 4. Получит информацию из данных компании и сможет предложить на их основе рабочую гипотезу для увеличения прибыли компании [B]Кому рекомендуем курс: 1. Разработчикам, работающим в кросс-функциональных командах вместе с Data Scientist’ами[/B] На курсе мы даем специфику разработки ML-моделей, а с этими знаниями общаться с коллегами получается эффективнее и продуктивнее. Вы сможете внедрять новые решения и быть уверенными в том, что принесете прибыль проекту. [B]2. Software Engineer, Data Engineer, DevOps Engineer на уровне Middle[/B] Вы сможете перейти в смежную профессиональную область и начать выполнять другие рабочие задачи. Ваш бэкграунд в дата-направлении поможет быстро перейти от уровня Junior Data Scientist до статуса продвинутого специалиста. [B]3. Уже знакомы с Python и хотите освоить новое рабочее направление[/B] Data Scientist используют в своей работе библиотеки Python. Так что ваши умения пригодятся вам при переходе в новое направление. Знания линейной алгебры, теории вероятностей и математической статистики будет плюсом. [B]На курсе мы разбираем:[/B] 1. Основные алгоритмы и понятия классического машинного обучения 2. Применение машинного обучения в бизнес-задачах 3. Базовые подходы для построения нейронных сетей, фреймворк PyTorch для написаний нейронных сетей 4. Основные библиотеки для анализа данных: numpy, scipy, pandas, matplotlib [B]Какие инструменты освоите: 1. Библиотеки[/B] [LIST] [*]Pandas [*]Numpy [*]Matplotlib [*]Scikit-learn [*]Xgboost [*]Lightgbm [*]Catboost [*]Hyperopt [/LIST] [B]2. Алгоритмы[/B] [LIST] [*]KNN [*]Linear Regression [*]Logistic Regression [*]Clusterization [*]Decision Tree [*]Gradient Boosting [/LIST] [B]Программа курса:[/B] [LIST] [*]Модуль 0 - Установочная сессия [*]Модуль 1 - Введение. Определение ML [*]Модуль 2 - Анализ данных как первый шаг к ML/DS [*]Модуль 3 - Постановка задачи машинного обучения на примере KNN Встреча по темам 1-3 [*]Модуль 4 - Валидация модели и подготовка данных [*]Модуль 5 - Обучение с учителем — регрессия [*]Модуль 6 - Обучение с учителем — классификация Встреча по темам 4-6 [*]Модуль 7 - Деревья решений [*]Модуль 8 - Обучение без учителя [*]Модуль 9 - Оптимизация ML-пайплайна Встреча по темам 7-9 + объяснения итогового проекта [*]Модуль 10 - Итоговый проект [*]Модуль 11 - Введение в глубокое обучение (DL + CV) [*]Модуль 12 - Введение в обработку текстов (NLP) [*]Модуль 13 - Введение в рекомендательные системы (RecSys) [*]Модуль 14 - Обзор наиболее популярных бизнес-задач, решаемых с помощью ML. Маппинг задач на ранее пройденный материал [*]Модуль 15 - Проект Встреча по доп. модулю + защита проектов [/LIST] [B]Продажник: *** Hidden text: cannot be quoted. *** Скачать: *** Hidden text: cannot be quoted. *** [/B] [/QUOTE]
Вставить цитаты...
Имя
Проверка
Ответить
Главная
Каталог курсов
IT, ИИ, программирование, тестирование, аналитика
Слёрм - Data Scientist (2024)
Верх
Низ
