التعلم الالي. احترافية - دورة مجانية من Otus مدة التدريب 5 أشهر التاريخ: 2 ديسمبر 2023.

Miscellanea / by admin / December 05, 2023

click fraud protection

سوف تتقن باستمرار أدوات تحليل البيانات الحديثة وستكون قادرًا على إنشاء نماذج التعلم الآلي على المستوى المهني. لتعزيز مهاراتك مع كل خوارزمية، ستنفذ سلسلة كاملة من العمل بدءًا من إعداد مجموعة البيانات وحتى تحليل النتائج والتحضير للإنتاج. ستكون الممارسة والمعرفة التي ستتلقاها كافية لحل مشكلات تعلم الآلة الكلاسيكية بشكل مستقل والتقدم لشغل وظائف Junior+ وMiddle Data Scientist.

مشاريع المحفظة

خلال الدورة، ستكمل العديد من مشاريع المحفظة وتتعلم كيفية تقديم نتائج عملك بكفاءة من أجل اجتياز المقابلات. بالنسبة لمشروعك النهائي، يمكنك أن تأخذ أحد الخيارات التي يقترحها المعلم أو تنفذ فكرتك الخاصة.

لمن هذه الدورة؟

للمبتدئين المحللين وعلماء البيانات. ستساعدك الدورة على تنظيم وتعميق معرفتك. ستكون قادرًا على تجربة الأساليب وتحليل حالات العمل وتلقي تعليقات عالية الجودة من الخبراء.

للمطورين والمتخصصين في المجالات الأخرى الذين يرغبون في تغيير مهنتهم والتطور في مجال علوم البيانات. ستمنحك الدورة الفرصة لبناء محفظة قوية والانغماس في أجواء مهام الحياة الواقعية كعالم بيانات.

للتعلم، ستحتاج إلى خبرة بايثون على مستوى كتابة الدوال الخاصة بك، بالإضافة إلى معرفة التحليل الرياضي والجبر الخطي ونظرية الاحتمالات والرياضيات. إحصائيات.

instagram viewer

مميزات الدورة

أفضل الممارسات والاتجاهات. في كل عملية إطلاق، يتم تحديث البرنامج ليعكس الاتجاهات المتغيرة بسرعة في علوم البيانات. بعد التدريب، ستتمكن من البدء فورًا في العمل على مشاريع حقيقية.

مهارات ثانوية مهمة. تتضمن الدورة موضوعات يتم التغاضي عنها عادة، ولكنها ضرورية للمتخصص في المهام اليومية وتحظى بتقدير كبير من قبل أصحاب العمل:
— إنشاء أنظمة للبحث تلقائيًا عن الحالات الشاذة؛
— التنبؤ بالسلاسل الزمنية باستخدام التعلم الآلي؛
— خطوط أنابيب شاملة للعمل مع البيانات، جاهزة للتنفيذ في الإنتاج.

أجواء وظروف إبداعية قريبة من إجراءات العمل الحقيقية. تم تصميم الدورة بأكملها كمحاكاة للحياة العملية اليومية لعالم البيانات، حيث سيتعين عليك التعامل معها البيانات "القذرة"، وحساب أفعالك مقدمًا، وتجربة الحلول وإعداد النماذج فيها إنتاج في هذه الحالة، ستحتاج إلى الفضول والمثابرة والتعطش لتجارب جديدة.

ماريا تيخونوفا

دورة

يعمل كمحلل بيانات في فريق AGI NLP في سبيربنك. يعمل على نماذج لغة الشبكة العصبية وتطبيقها في مشاكل الحياة الواقعية. تؤمن بأن العمل في مجال علم البيانات يوفر فرصة فريدة من نوعها...

يعمل كمحلل بيانات في فريق AGI NLP في سبيربنك. يعمل على نماذج لغة الشبكة العصبية وتطبيقها في مشاكل الحياة الواقعية. وهو يعتقد أن العمل في مجال علوم البيانات يوفر فرصة فريدة للقيام بأشياء رائعة ومجنونة على حافة العلم والتي تغير العالم هنا والآن. يقوم بتدريس مواد في تحليل البيانات والتعلم الآلي وعلوم البيانات في المدرسة العليا للاقتصاد. تخرجت ماريا من كلية الميكانيكا والرياضيات بجامعة موسكو الحكومية ومدرسة ياندكس لتحليل البيانات. ماريا حاليًا طالبة دراسات عليا في المدرسة العليا للاقتصاد بكلية علوم الكمبيوتر. تشمل اهتماماتها البحثية مجالات علوم البيانات مثل معالجة اللغة الطبيعية ونمذجة المواضيع. مدير البرنامج

ديمتري سيرجيف

دورة

ممارسة التعلم الآلي وتحليل البيانات منذ عام 2012. يعمل حاليًا كرئيس قسم البحث والتطوير في WeatherWell. لديه خبرة في التطبيق العملي للتعلم الآلي في تطوير الألعاب والخدمات المصرفية والتكنولوجيا الصحية. قام بتدريس التعلم الآلي وتحليل البيانات في مركز التمويل الرياضي بجامعة موسكو الحكومية، وكان محاضرًا ضيفًا في كلية علوم الكمبيوتر بالمدرسة العليا للاقتصاد بجامعة الأبحاث الوطنية ومدارس صيفية مختلفة. التعليم: الاقتصاد والرياضيات REU im. بليخانوف، الكلية المركزية للرياضيات والرياضيات بجامعة موسكو الحكومية، التدريب المهني المتقدم لكلية علوم الكمبيوتر بالمدرسة العليا للاقتصاد "تحليل البيانات العملية والتعلم الآلي"، ماجستير علوم الكمبيوتر آلتو مجموعة الجامعة/الاهتمامات: بايثون، التعلم الآلي، السلاسل الزمنية، اكتشاف الشذوذ، البيانات المفتوحة، تعلم الآلة للتواصل الاجتماعي جيد

تقنيات التعلم الآلي المتقدمة
-الموضوع 1. الدرس التمهيدي. قم بإعادة النظر في مفاهيم التعلم الآلي الأساسية مع مثال عملي
-الموضوع 2.أشجار القرار
-الموضوع 3.Python لـ ML: خطوط الأنابيب، وتسريع الباندا، والمعالجة المتعددة
-الموضوع 4.المجموعات النموذجية
-الموضوع 5. تعزيز التدرج
-الموضوع 6.دعم آلة المتجهات
-الموضوع 7.طرق تقليل الأبعاد
-الموضوع 8. التعلم بدون معلم. K-يعني خوارزمية EM
-الموضوع 9. التعلم بدون معلم. المجموعات الهرمية. مسح قاعدة البيانات
-الموضوع العاشر: إيجاد الحالات الشاذة في البيانات
-الموضوع 11. الدرس العملي - بناء خطوط الأنابيب من طرف إلى طرف وتسلسل النماذج
-الموضوع 12. الخوارزميات على الرسوم البيانية

جمع البيانات. تحليل البيانات النصية.
-الموضوع 13. جمع البيانات
-الموضوع الرابع عشر: تحليل البيانات النصية. الجزء 1: المعالجة المسبقة والترميز
-الموضوع الخامس عشر: تحليل البيانات النصية. الجزء 2: تمثيلات المتجهات للكلمات، والعمل مع التضمينات المدربة مسبقًا
-الموضوع السادس عشر.تحليل البيانات النصية. الجزء 3: التعرف على الكيان المسمى
-الموضوع السابع عشر: تحليل البيانات النصية. الجزء الرابع: نمذجة الموضوع
-الموضوع 18.سؤال وجواب

تحليل السلاسل الزمنية
-الموضوع التاسع عشر. تحليل السلاسل الزمنية. الجزء الأول: بيان المشكلة، بأبسط الطرق. نموذج أريما
-الموضوع العشرين. تحليل السلاسل الزمنية. الجزء الثاني: استخراج الميزات وتطبيق نماذج التعلم الآلي. التنبؤ التلقائي
-الموضوع 21. تحليل السلاسل الزمنية الجزء 3: تجميع السلاسل الزمنية (البحث عن أسعار الأسهم ذات الصلة)

أنظمة التوصية
-الموضوع 22. أنظمة التوصية. الجزء الأول: بيان المشكلة، مقاييس الجودة. تصفية التعاونية. بداية باردة
-الموضوع الثالث والعشرون. أنظمة التوصية. الجزء 2: تصفية المحتوى، والنهج الهجين. قواعد الرابطة
-الموضوع 24. أنظمة التوصية. الجزء 3: ردود الفعل الضمنية
-الموضوع الخامس والعشرون. درس عملي على أنظمة التوصية. مفاجأة
-الموضوع 26.سؤال وجواب

مواضيع إضافية
-الموضوع 27.تدريب Kaggle ML رقم 1
-الموضوع 28.تدريب Kaggle ML رقم 2
-الموضوع 29.ML في أباتشي سبارك
-الموضوع الثلاثون: البحث عن وظائف علم البيانات

مشروع العمل
-الموضوع 31. اختيار الموضوع وتنظيم عمل المشروع
-الموضوع 32. التشاور بشأن المشاريع والواجبات المنزلية
-الموضوع 33. حماية أعمال التصميم

الكلمات سحابة

Miscellanea

تصنيف

عدد المشاهدات

تعليقات