Курс Data Science and Machine Learning: Essentials

Розберетеся в основних поняттях та завданнях Data Science. Навчитеся використовувати в роботі сучасні методи машинного навчання. Застосовуватимете ключові концепції збору, підготовки, дослідження та візуалізації даних. Оброблятимете й аналізуватимете великі дані.

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 проєкту

Особливості курсу

• Підтримка ментора
• Проєкт в портфоліо
• Практика
• Сертифікат про проходження курсу