Курс Data Science / Machine Learning Fundamentals

Data Science вивчає методи обробки даних, а також статистичні методи й методи проектування та розробки баз даних. На основі отриманої інформації створюються нейронні мережі та смарт-системи. Data Science вважається перспективним, затребуваним і високооплачуваним напрямком. Необов’язково бути програмістом, аби будувати кар’єру в галузі роботи з даними: зазвичай Data Scientist зацікавлює математиків та аналітиків.

Програма курсу

Data Science and Machine Learning Fundamentals

• Вступ в Data Science і Machine Learning
• Базові поняття Big Data, Business Intelligence, Data Mining, Data Science, Machine Learning, Artificial Intelligence
• Історія розвитку Data Science, сучасні перспективи
• Хто такий Data Scientist, навички. Питання на співбесіді.
• Огляд процесу Data Science проекту
• Сценарії використання і застосування ML в сучасному світі
• Огляд успішних проектів по Big Data і Machine Learning

Data Science Process and Frameworks

• Планування і підготовка роботи
• Історичний огляд методологій ведення Data Science рішень
• Детальний огляд сучасного Data Science процесу і його етапів
• Команда і ролі фахівців в проектах Data Science
• Огляд популярних фреймворків і інструментів для Data Science рішень
• Workshop 1: Етап Business Understanding
• Основи роботи з системою контролю версій

Попередня Обробка Даних

• Завантаження вихідних даних для аналізу в систему (ETL)
• Data cleansing and transformation
• Data Sampling and Quantization
• Workshop 2: Підготовка даних для проекту
• Підходи та методики для візуалізації даних
• Практика: Візуалізація даних за допомогою Power BI і R

Прогнозування і Класифікація

• Теоретичний огляд проблеми та основних методів
• Введення в штучні нейронні мережі для вирішення різних завдань
• Процес створення реальних програмних моделей для прогнозування і класифікації
• Оцінка точності навчених моделей, вибір кращої
• Workshop 3: Створення моделей прогнозування та класифікації

Кластеризація Та Рекомендаційні Алгоритми

• Теоретичний огляд проблеми та основних методів
• Процес створення реальних програмних моделей для кластеризації, рекомендаційних алгоритмів
• Оцінка точності навчених моделей, вибір кращої
• Введення в обробку природної мови
• Workshop 4: Створення моделей кластеризації і рекомендаційних моделей

Імплементація Моделей Машинного Навчання

• Часові ряди і прогнозування подій
• Імплементація моделей машинного навчання для подальшого використання
• Обговорення результатів виконання домашніх завдань
• Приклади архітектур повноцінного проекту
• Workshop 5: Імплементація моделей машинного навчання
• Підведення підсумків курсу, презентація проектів
• Рекомендовані матеріали і кроки для подальшого вивчення

Захист Курсового Проекту

Особливості курсу

• Заняття з 19:00 до 22:00 у понеділок та середу
• Можливість оплати частинами
• Знижка -10% на наступний курс

Мінімальні вимоги

• Наявність комп'ютера для участі в онлайн-заняттях
• Знання англійської мови на рівні Pre-Intermediate

Викладачі курсу

• Дмитро Гузенко – Business Analyst, Data Scientist
• Роман Кириченко – Data Scientist