0/5, Голосов: 0
Доступно

Data Scientist. Часть 1. Декабрь 2018 [OTUS] [Александр Сизов, Александр Никитин]

Тема в разделе "Курсы по программированию", создана пользователем Бошетунмай, 16 дек 2018.

Метки:
Цена: 12150р.
Взнос: 344р.
100%

Основной список: 80 участников

Резервный список: 49 участников

Статус темы:
Закрыта.
  1. Бошетунмай

    Бошетунмай ОргОрганизатор

    Screenshot_4.png

    Новые преподаватели, новая программа.
    Что даст вам этот курс​
    • Знание алгоритмов машинного обучения и понимание принципов их работы.
    • Освоение современных методов и инструментов анализа и обработки данных.
    • Умение проектировать архитектуру нейросетей, создавать предсказательные модели, работать с ограниченными датасетами, проводить статистические исследования, интерпретировать результаты.
    • Способность извлекать из крупных массивов данных ценную информацию и эффективно ее использовать
    Введение в машинное обучение
    В первом модуле разберем: задачи, которые решают методы машинного обучения; необходимые темы из математического анализа, линейной алгебры и теории вероятности; базовые инструменты анализа данных в python; простые методы машинного обучения (линейная регрессия, логистическая регрессия, lDA, наивный Байес)

    Базовые инструменты анализа данных в Python
    Участники курса узнают, какие задачи они смогут решать по окончании курса, научатся настраивать рабочее окружение и узнат функционал основных библиотек для работы с данными в python (Numpy, Pandas, Sklearn, API Sklearn)

    Необходимые понятия из математического анализа и линейной алгебры
    Участники освоят весь необходмый для данного курса материал из линейной алгебры и математического анализа: научатся решать задачи на собсвенные числа и собственные вектора матриц, находить производные функций и матричных выражений и применять это для задач оптимизации функций, эффективно применять данные алгоритмы в python.

    Необходимые понятия из теории вероятности
    Участники изучат необходимые для курса основы теории вероятности: случайная величина, основные виды распределений случайных величин, научатся считать матожидание, дисперсию случайных величин. Узнают как эффективно делать семплирование из распределений, научатся реализовывать данные алгоритмы на языке python.

    Линейная регресия
    Участники научатся делать описательный анализ данных с помощью библиотеки pandas и визуализацию данных с помощью различных библиотек python (matplotlib, seaborn, plotly, bokeh)

    Feature engineering
    1. Отбор признаков.
    2. Преобразование исходных данных в подходящий для модели формат
    3. Преобразование признаков для повышения точности модели
    4. Выбор части признаков

    Визуализация
    Участники освоят основные библиотеки для визуализации данных в python, будут правильно выбирать виды графиков для визуализации данных разных типов.

    Обучение с учителем. Логистическая регресиия
    Реализации логистической регрессии с помощью метода стохастического градиентного спуска

    Задача классификации. Метод ближайших соседей
    Алгоритм kNN. Влияние нормализации данных в kNN. Структуры данных для оптимизации kNN. Кросс валидация. Методы оценки качества алгоритмов классификации.


     
    4 пользователям это понравилось.
  2. Последние события

    1. skladchik.com

      Осталось 5 дней до завершения складчины.

      13 фев 2019
    2. skladchik.com

      Складчина доступна.

      13 фев 2019
    3. Dmitry541

      Dmitry541 участвует в складчине.

      8 фев 2019
    4. Vic_Nsk

      Vic_Nsk участвует в складчине.

      8 фев 2019

    Последние важные события

    1. skladchik.com

      Осталось 5 дней до завершения складчины.

      13 фев 2019
    2. skladchik.com

      Складчина доступна.

      13 фев 2019
    3. skladchik.com

      Взнос в складчине составляет 172р.

      2 янв 2019
    4. skladchik.com

      Складчина активна.

      2 янв 2019
  3. dobriy_dada

    dobriy_dada ШтрафникШтрафник

    Чем это будет отличаться от предыдущих складчин, была же вроде общая на этот курс и Вы сами до этого ещё создавали такую же складчину
     
  4. Бошетунмай

    Бошетунмай ОргОрганизатор

    Новые преподаватели, обновленная программа.
    Общей не было, были на каждый месяц отдельно складчины.
     
  5. bormental

    bormental ЧКЧлен клуба

  6. Tyrande

    Tyrande ОргОрганизатор

    Гость!
    Такого супер-курса точное еще не было. И Вряд ли будет.
    Жми сейчас, чего ждешь?
     
  7. Etcos

    Etcos СкладчикСкладчик

    Продолжение будет (ч2, ч3 и тд)?
     
  8. Бошетунмай

    Бошетунмай ОргОрганизатор

    Если на первую соберёмся, то конечно.
     
    1 человеку нравится это.
  9. Томас Шелби

    Томас Шелби ЧКЧлен клуба

  10. eassus

    eassus ОргОрганизатор

    Господа, объявляю сбор на 2 число, т.к. последние дни скидки остались.
    Помощь в рекламе приветствуется!
     
  11. Бошетунмай

    Бошетунмай ОргОрганизатор

    Скидки до 31 декабря только.
     
  12. Хранитель Миров

    Хранитель Миров ОргОрганизатор (А)

  13. serg-666

    serg-666 ЧКЧлен клуба

  14. Alexzhi8

    Alexzhi8 СкладчикСкладчик

    Кто может объяснить, как после взноса попасть на курс Data Scientist. Часть 1. Декабрь 2018 [OTUS] [Александр Сизов, Александр Никитин] и начать пилить домашки? Где-то должен быть линк или что? И можно ли консультироваться в случае затруднений у преподавателей в slack-е, например?
     
  15. rubin33

    rubin33 ЧКЧлен клуба

    Можно, купи курс напрямую. Будет тебе и проверка домашек и все остальное. Тут только курс.
     
    2 пользователям это понравилось.
  16. floki

    floki ЧКЧлен клуба

  17. Alexzhi8

    Alexzhi8 СкладчикСкладчик

    точно
     
  18. vkGreen

    vkGreen ЧКЧлен клуба

  19. medved3

    medved3 ДолжникДолжник

  20. Manser

    Manser СкладчикСкладчик

    когда будет курс?
     
  21. ZtaZ55

    ZtaZ55 ЧКЧлен клуба

    Как только добьётесь успехов в изучении правил данного ресурса ;)
     
    4 пользователям это понравилось.
Статус темы:
Закрыта.

Поделиться этой страницей