عالم بيانات من الصفر إلى PRO - دورة بقيمة 233.640 روبل روسي. من SkillFactory، التدريب لمدة 24 شهرًا، التاريخ 15 أغسطس 2023.
Miscellanea / / November 29, 2023
بعد الدورة الأساسية، ستتمكن من اختيار تخصص أضيق في علوم البيانات - مهندس تعلم الآلة، مهندس السيرة الذاتية أو مهندس البرمجة اللغوية العصبية
مهندس إم إل - مطور التعلم الآلي
تطوير نموذج التنبؤ بالتصنيف الائتماني
حل مشكلة تصنيف الرسائل القصيرة SMS
تطوير نظام للتوصية بالمنتجات المناسبة عند الشراء
بناء نموذج لزيادة المبيعات في تجارة التجزئة
قم بإنشاء صور بناءً على وصف النص باستخدام الشبكة العصبية DALL-E
مهندس السيرة الذاتية - أخصائي رؤية حاسوبية
تعلم كيفية حل جميع المشاكل الأساسية في مجال رؤية الكمبيوتر
سوف تكتسب المعرفة بالتدفق الحقيقي للعمل مع نماذج السيرة الذاتية والأساليب الحالية والأدوات المتقدمة اللازمة لإنشاء خدمات السيرة الذاتية
في المشروع النهائي، قم بإنشاء مدرب افتراضي قادر على تقييم صحة التمارين بالفيديو
مهندس البرمجة اللغوية العصبية - أخصائي معالجة اللغات الطبيعية
التعرف على معالجة اللغة الطبيعية
احصل على فهم لمهام البرمجة اللغوية العصبية - التصنيف والتلخيص وإنشاء النصوص وإنشاء أنظمة للترجمة الآلية وأنظمة الإجابة على الأسئلة
في المشروع النهائي، ستقوم بشكل مستقل بتطوير أدوات للبحث الآلي في السياقات المتعلقة بموضوعات معينة.
قاعدة
في هذه المرحلة، ستتعلم أساسيات البرمجة بلغة بايثون، وتتعلم كيفية المعالجة المسبقة للبيانات وتحليلها، وستصبح أيضًا على دراية بالمهام الرئيسية لعالم البيانات.
مقدمة - أسبوع واحد
ستكون قادرًا على صياغة أهداف تعليمية حقيقية لنفسك، ومعرفة قيمة DS للأعمال، التعرف على المهام الرئيسية لعالم البيانات وفهم كيفية تطوير أي منها مشروع دي اس.
مقدمة-1. كيفية الدراسة بفعالية – الالتحاق بالتدريب
مقدمة 2. نظرة عامة على المهنة. أنواع المشاكل في علم البيانات. مراحل وأساليب تطوير مشروع علم البيانات
تصميم التطوير - 5 أسابيع
ستتعلم كيفية العمل مع أنواع البيانات الأساسية باستخدام Python وستكون قادرًا على استخدام بنيات التكرار والعبارات الشرطية والوظائف في عملك اليومي.
بايثون-1. أساسيات بايثون
بايثون-2. الغوص في أنواع البيانات
بايثون-3. عبارات شرطية
بايثون-4. دورات
بايثون-5. الوظائف والبرمجة الوظيفية
بايثون-6. يمارس
بايثون-7. دليل أسلوب بايثون (مكافأة)
الرياضيات الأساسية - 7 أسابيع
الرياضيات-1. الأرقام والتعبيرات
الرياضيات-2. المعادلات والمتباينات
الرياضيات-3. المفاهيم الأساسية لنظرية الوظيفة
الرياضيات-4. أساسيات الهندسة: قياس المساحة وعلم المثلثات والقياس المجسم
الرياضيات-5. مجموعات والمنطق وعناصر الإحصاءات
الرياضيات-6. التوافقيات وأساسيات نظرية الاحتمالات
الرياضيات-7. حل المشاكل
العمل مع البيانات - 8 أسابيع
في هذه المرحلة، ستتقن مهارات البيانات الأساسية: كيفية إعداد البيانات وتنظيفها وتحويلها بحيث تكون مناسبة للتحليل. بالحديث عن التحليل: سوف تقوم بتحليل البيانات باستخدام المكتبات الشهيرة Matplotlib، وSeaborn، وPlotly.
بايثون-8. أدوات علوم البيانات
بايثون-9. مكتبة NumPy
بايثون-10. مقدمة عن الباندا
بايثون-11. التقنيات الأساسية للعمل مع البيانات في الباندا
بايثون-12. تقنيات البيانات المتقدمة في الباندا
بيثون-13. تنظيف البيانات
بايثون-14. عرض مرئي للمعلومات
بايثون-15. مبادئ OOP في Python ورمز التصحيح (وحدة اختيارية)
مشروع 1. تحليلات مجموعة البيانات بشأن القضايا المغلقة
تحميل البيانات - 6 أسابيع
ستتمكن من تنزيل البيانات من تنسيقات ومصادر مختلفة. وستساعدك SQL، وهي لغة استعلام منظمة، في ذلك. سوف تتعلم كيفية استخدام الوظائف المجمعة، وصلات الجدول، والصلات المعقدة.
بايثون-16. كيفية تنزيل البيانات من الملفات ذات التنسيقات المختلفة
بيثون-17. استرداد البيانات من مصادر الويب وواجهات برمجة التطبيقات
SQL-0. مرحبًا SQL!
SQL-1. أساسيات SQL
SQL-2. وظائف مجمعة
SQL-3. الانضمام إلى الجداول
SQL-4. الانضمامات المعقدة
المشروع 2. تحميل البيانات الجديدة. تحسين التحليل
تحليل البيانات الإحصائية - 7 أسابيع
تحليل البيانات الاستخباراتية (EDA) هو ما سوف تركز عليه. سوف تصبح على دراية بجميع مراحل هذا التحليل وتتعلم كيفية إجرائه باستخدام المكتبات Statsmodels وScikit Learn وSeaborn وMatplotlib وSciPy وPandas. بالإضافة إلى ذلك، ستتمكن من العمل على Kaggle، وهي خدمة شائعة للمشاركة في المسابقات.
جمعية الإمارات للتنمية-1. مقدمة في تحليل البيانات الاستخباراتية خوارزميات وطرق EDA
جمعية الإمارات للتنمية-2. الإحصاء الرياضي في سياق EDA. أنواع الميزات
جمعية الإمارات للتنمية-3. هندسة الميزات
جمعية الإمارات للتنمية-4. تحليل البيانات الإحصائية في بايثون
جمعية الإمارات للتنمية-5. تحليل البيانات الإحصائية في بايثون. الجزء 2
جمعية الإمارات للتنمية-6. تصميم التجارب
جمعية الإمارات للتنمية-7. منصة كاجل
المشروع 2
مقدمة في التعلم الآلي - 9 أسابيع
سوف تتعرف على مكتبات ML لنمذجة تبعيات البيانات. ستكون قادرًا على تدريب الأنواع الرئيسية لنماذج تعلم الآلة وإجراء التحقق من الصحة وتفسير نتائج العمل واختيار الميزات المهمة (أهمية الميزة).
مل-1. نظرية التعلم الآلي
مل-2. التعلم الخاضع للإشراف: الانحدار
مل-3. التعلم الخاضع للإشراف: التصنيف
مل-4. التعلم غير الخاضع للرقابة: تقنيات التجميع والحد من الأبعاد
مل-5. التحقق من صحة البيانات وتقييم النموذج
مل-6. اختيار واختيار الصفات
مل-7. تحسين المعلمات الفائقة للنموذج
مل-8. كتاب الطبخ مل
المشروع 3. مشكلة التصنيف
وحدة رئيسية
الجبر الخطي، والتحليل الرياضي، والرياضيات المنفصلة - يبدو الأمر مخيفًا، لكن لا تخف: سنقوم بتحليل كل هذه المواضيع وسنعلمك كيفية التعامل معها! في المرحلة الثانية، سوف تتعمق في الرياضيات وأساسيات التعلم الآلي، وتتعلم المزيد عن مهن DS، ومن خلال التوجيه المهني، ستختار مسارًا دراسيًا للسنة الثانية.
الرياضيات والتعلم الآلي. الجزء 1 - 6 أسابيع
ستكون قادرًا على حل المشكلات العملية باستخدام الحساب اليدوي وPython (حسابات المتجهات والمصفوفات، والعمل مع المجموعات، ودراسة الوظائف باستخدام التحليل التفاضلي).
الرياضيات وML-1. الجبر الخطي في سياق الطرق الخطية. الجزء 1
الرياضيات وML-2. الجبر الخطي في سياق الطرق الخطية. الجزء 2
الرياضيات وML-3. التحليل الرياضي في سياق مشكلة التحسين الجزء 1
الرياضيات وML-4. التحليل الرياضي في سياق مشكلة التحسين. الجزء 2
الرياضيات وML-5. التحليل الرياضي في سياق مشكلة التحسين. الجزء 3
المشروع 4. مشكلة الانحدار
الرياضيات والتعلم الآلي. الجزء 2 - 6 أسابيع
سوف تتعرف على المفاهيم الأساسية لنظرية الاحتمالات والإحصائيات الرياضية والخوارزميات التجميع، وتعلم أيضًا كيفية تقييم جودة التجميع الذي يتم إجراؤه وتقديم النتائج فيه شكل رسومي.
الرياضيات وML-6. نظرية الاحتمالية في سياق مصنف Naive Bayes
الرياضيات وML-7. الخوارزميات المبنية على أشجار القرار
الرياضيات وML-8. التعزيز والتراص
الرياضيات وML-9. تقنيات التجميع والحد من الأبعاد. الجزء 1
الرياضيات وML-10. تقنيات التجميع والحد من الأبعاد. الجزء 2
المشروع 5. أساليب الفرقة
الرياضيات المنفصلة - 4 أسابيع
MATH&MGU-1 المجموعات والتوافقيات
الرياضيات وMGU-2 المنطق
الرياضيات وMGU-3 الرسوم البيانية. الجزء 1
الرياضيات وMGU-4 الرسوم البيانية. الجزء 2
تعلم الآلة في الأعمال التجارية - 8 أسابيع
سوف تتعلم كيفية استخدام مكتبات ML لحل مشاكل السلاسل الزمنية وأنظمة التوصية. ستكون قادرًا على تدريب نموذج تعلم الآلة والتحقق من صحته، بالإضافة إلى إنشاء نموذج أولي عملي وتشغيل النموذج في واجهة الويب. واكتسب أيضًا مهارات اختبار A/B حتى تتمكن من تقييم النموذج.
الرياضيات وML-11. السلاسل الزمنية. الجزء 1
الرياضيات وML-12. السلاسل الزمنية. الجزء 2
الرياضيات وML-13. أنظمة التوصية الجزء 1
الرياضيات وML-14. أنظمة التوصية الجزء 2
برود-1. تحضير النموذج للإنتاج
برود-2. النموذج الأولي ستريمليت+هيروكو
برود-3. فهم الأعمال. قضية
المشروع 6. موضوع للاختيار من بينها: السلاسل الزمنية أو أنظمة التوصية
المستوى الاحترافي
في المرحلة الثالثة، سوف تتعرف على إحدى طرق التعلم الآلي - التعلم العميق (DL). وأيضًا تنتظرك مجموعة كاملة من التخصص المختار: يمكنك إتقان مهارات التعلم الآلي (ML) أو التعرف على روتين السيرة الذاتية (رؤية الكمبيوتر) أو تحسين البرمجة اللغوية العصبية* والمعالجة الطبيعية لغة.
السنة الثانية من الدراسة - 3 تخصصات للاختيار من بينها
إرشاد مهني
تعلم الآلة أو السيرة الذاتية أو البرمجة اللغوية العصبية: في هذه المرحلة عليك أخيرًا تحديد المسار الذي ستتبعه بعد ذلك. سنخبرك عن كل تخصص ونعرض عليك حل العديد من المشكلات العملية لتسهيل اتخاذ القرار.
المسار ML - مهندس
في مسار ML، ستتعلم كيفية حل مشكلات التعلم الآلي المتعمقة، وإتقان كفاءات مهندس البيانات، وصقل مهاراتك في العمل مع مكتبات Python. سوف تتعلم أيضًا كيفية إنشاء MVP (الحد الأدنى من إصدار المنتج القابل للتطبيق)، وتعلم كل تعقيدات إخراج نموذج ML إلى الإنتاج، وتعلم كيفية عمل مهندسي ML في الحياة الواقعية.
مقدمة في التعلم العميق
أساسيات هندسة البيانات
فصول بايثون وML إضافية
التقييم الاقتصادي للتأثيرات وتطوير MVP
ML للإنتاج
دراسة متعمقة لمشروع تطوير ML والتخرج حول موضوع مختار
مسار السيرة الذاتية - مهندس
في مسار السيرة الذاتية سوف تتعلم كيفية حل مشاكل رؤية الكمبيوتر مثل تصنيف الصور، التجزئة والكشف، وتوليد الصور وأسلوبها، والترميم وتحسين الجودة صور فوتوغرافية. بالإضافة إلى ذلك، سوف تتعلم كيفية إدخال الشبكات العصبية في الإنتاج.
مقدمة في التعلم العميق
أساسيات هندسة البيانات
فصول بايثون وML إضافية
التقييم الاقتصادي للتأثيرات وتطوير MVP
ML للإنتاج
دراسة متعمقة لمشروع تطوير ML والتخرج حول موضوع مختار
مسار البرمجة اللغوية العصبية - مهندس
أثناء التدريب على مسار البرمجة اللغوية العصبية، ستتعلم كيفية حل المشكلات الرئيسية لمعالجة اللغة الطبيعية بما في ذلك التصنيف والتلخيص وتوليد النصوص والترجمة الآلية وإنشاء الحوار أنظمة
مقدمة في التعلم العميق
رياضيات الشبكات العصبية للبرمجة اللغوية العصبية
هارد وبرمجيات لحل مشاكل البرمجة اللغوية العصبية
مهام البرمجة اللغوية العصبية والخوارزميات
الشبكات العصبية في الإنتاج
دراسة متعمقة لمشروع تطوير البرمجة اللغوية العصبية والتخرج حول موضوع مختار
إذا اخترت التخصص في السيرة الذاتية أو تعلم الآلة، فيمكنك الالتحاق بدورة البرمجة اللغوية العصبية (NLP) دون دعم المرشد مجانًا.
التعلم العميق والشبكات العصبية
أين تستخدم الشبكات العصبية؟ كيفية تدريب الشبكة العصبية؟ ما هو التعلم العميق؟ سوف تكتشف الإجابات على هذه الأسئلة في قسم المكافآت في DL.
مقدمة في هندسة البيانات
سوف تتعرف على الفرق بين أدوار عالم البيانات ومهندس البيانات، وما هي الأدوات التي يستخدمها الأخير في عمله، وما هي المهام التي يحلها بشكل يومي. الكلمات "ندفة الثلج" و"النجم" و"البحيرة" ستكتسب معاني جديدة :)