Курс Data Science and Machine Learning з Python

Програма курсу

Python

• Синтаксис Python
• Інтерактивні вправи
• Jupyter Notebooks

Структури даних та бібліотеки

• Списки, кортежі, словникиs
• Огляд бібліотек (NumPy, Pandas, Matplotlib)

Функції та регулярні вирази

• Робота з рядками
• Регулярні вирази
• Використання розширених функцій

Об'єктно-орієнтоване програмування

• Класи, спадкування та поліморфізм
• Проєкт на основі ООП

Збір даних та скрапінг

• Техніки веб-скрапінгу (BeautifulSoup, Scrapy)
• Формати даних (CSV, JSON, XML)

Попередня обробка даних

• Очищення, масштабування та нормалізація даних
• Створення нових ознак

Візуалізація та дослідження даних

• Інструменти візуалізації даних (Matplotlib, Seaborn, Plotly)
• Інтерактивні візуалізації

Обробка природньої мови (NLP)

• Очищення тексту
• Токенізація, стемінг та лемматизація
• Побудова NLP-процесів

Навчання з учителем

• Лінійна регресія
• Логістична регресія
• Метрики оцінки моделей

Навчання без учителя

• Техніки кластеризації (K-Means, ієрархічна кластеризація)
• Зменшення розмірності (PCA, t-SNE)

Вступ до нейронних мереж

• Основи нейронних мереж та їх компоненти
• Побудова простих моделей у TensorFlow/Keras

Вступ до генеративного ШІ

• GANs та Трансформери
• Побудова GANs та використання попередньо навчених Трансформерів

Обробка великих даних

• Вступ до Hadoop та Spark
• Обробка великих наборів даних

Після курсу ти вмітимеш

• Використовувати Python для розв'язування задач з обробки даних та моделювання
• Виконувати основні операції з векторами та матрицями, а також використовувати статистику та ймовірність для аналізу даних
• Оперувати Python-структурами даних та бібліотеками, які застосовуються в машинному навчанні (NumPy, Pandas, Matplotlib)
• Створювати функції та об'єктно-орієнтовані програми на Python для вирішення практичних задач
• Збирати дані з веб-джерел та використовувати BeautifulSoup для веб-скрапінгу
• Очищувати та обробляти дані для подальшого аналізу, використовуючи методи нормалізації та масштабування
• Візуалізувати дані за допомогою інструментів для створення графіків та інтерактивних візуалізацій
• Розуміти основи обробки природної мови (NLP) для аналізу текстових даних
• Створювати моделі машинного навчання для регресії та класифікації, а також оцінювати їх точність
• Використовувати алгоритми кластеризації та методи зниження розмірності для аналізу даних
• Будувати та навчати нейронні мережі за допомогою TensorFlow/Keras для вирішення різноманітних завдань
• Працювати з генеративними моделями та застосовувати їх у практичних сценаріях

Особливості курсу

• Допомога ментора
• Практика
• Сертифікат про проходження курсу
• Додаткові технічні е-курси
• Розмовні клуби з англійської & селф-стаді
• Короткі курси для розвитку софт навичок
• Спільнота професіоналів-однодумців

Викладачі курсу

Halyna Melnyk - Ментор SoftServe Академії