Описание
Количество уроков: 105 Видео
Язык: Английский
Вес архива: 3,00 ГБ
Повысьте свою конкурентоспособность в сфере искусственного интеллекта, освоив Data Science, Deep Learning и Machine Learning на Python. Этот курс поможет вам уверенно войти в IT‑индустрию, где специалисты по данным особенно востребованы.
Почему стоит изучать Data Science и ML сегодня
Data Scientist — одна из самых востребованных и высокооплачиваемых профессий: средний доход в мире составляет около 120 000 долларов. Освоив современные методы анализа данных и машинного обучения, вы сможете строить прогнозные модели, анализировать большие массивы данных и применять AI‑технологии в реальных задачах бизнеса. Курс подойдет тем, кто уже знаком с программированием и хочет перейти на новый уровень в карьере.
Ключевые навыки, которые вы освоите
Курс включает более 80 лекций и 12+ часов практического видеообучения. Вы будете работать с реальными примерами на Python, изучая инструменты, которые используют Data Scientists в топ‑компаниях. Опыт автора из Amazon и IMDb помогает сфокусироваться на действительно важных концепциях и практическом применении технологий.
Что входит в программу обучения
• Глубокое обучение: MLP, CNN, RNN
• Аналитика данных: регрессия, кластеризация K-Means
• Методы снижения размерности (PCA)
• Train/Test сплиты и перекрёстная валидация
• Байесовские методы
• Деревья решений и Random Forest
• Многомерная регрессия и многоуровневые модели
• Метод опорных векторов и Reinforcement Learning
• Collaborative Filtering и KNN
• Bias/Variance Tradeoff и ансамбли
• TF‑IDF и анализ текстов
• A/B тестирование и экспериментальный дизайн
Работа с большими данными с помощью Apache Spark
Отдельный раздел посвящён применению методов машинного обучения в Apache Spark — идеальном инструменте для анализа больших данных. Вы научитесь запускать вычисления в кластерной среде и оптимизировать обработку информации. Присоединяйтесь к группе курса на Facebook, чтобы обмениваться опытом и задавать вопросы.
Кому подойдет этот курс
Если вы новичок в Python — начинаем с основ. Аналитикам, разработчикам и специалистам технических направлений курс поможет перейти к задачам машинного обучения и искусственного интеллекта. Программа создана так, чтобы быть полезной и доступной независимо от уровня подготовки.
Что требуется для старта
• Компьютер на Windows, Mac или Linux, поддерживающий Enthought Canopy 1.6.2 или новее.
• Базовые навыки программирования или написания скриптов.
• Школьные знания математики.
Настройка окружения демонстрируется на Windows, но весь код совместим с MacOS и Linux (поддержка по ОС не предоставляется).
Алексей Т. –
Курс даёт неплохую базу по ML на Python: подробно разобраны деревья решений, Random Forest и метод опорных векторов, плюс есть блок про перекрёстную валидацию и bias/variance tradeoff. Понравилось, что много практики на реальных данных, а не только теория. Глубокому обучению — MLP, CNN, RNN — уделено меньше времени, чем хотелось бы, поэтому по DL пришлось добирать материал отдельно. В целом для входа в профессию своих денег стоит.