Data Scientist: с нуля до middle от Нетология
От: НетологияПостройте карьеру в анализе данных и обучении нейронных сетей
Начните работать по специальности уже через полгода обучения
Сводка
Цена
от 260 000₽
156 000₽
Рассрочка
от 200₽
Статус
Идет набор
Начнется
06.04.2022
Язык
ru
Описание курса
О школе
Нетология
Отзывы
0
Информация
Компания основана в
2013
году. Официальный сайт https://netology.ru. Мы собрали и проверили более 163 отзывов об онлайн курсах Нетология.
Программа курса
Менеджмент data-проектов
Требования в data-проектах
Методология ведения data-проектов
Разработка отчётов по исследованию
Сохранение результатов эксперимента
Эффективные коммуникации и эмоциональный интеллект
Фасилитация
Личная эффективность
Планирование
Расстановка приоритетов
Управление временем
Делегирование
Концентрация и восстановление ресурсов
Самомотивация
Эмоциональный интеллект. Модель и этапы развития
Распознавание эмоций
Переговоры
Нетворкинг
Как вести неравные переговоры
Возражения и аргументы
Подготовка к переговорам
Уверенное ведение переговоров
Управленческие поединки
Манипуляции в переговорах
Сила переговоров
Структура переговоров
Переговоры онлайн и офлайн
Внутренние переговоры
Публичные выступления
Подготовка к публичному выступлению
Типовые структуры выступления
Выступление перед коллегами
Взаимодействие с аудиторией и подача
Финальный хакатон и Kaggle Competitions
Машинное обучение
Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия
Классификация: логистическая регрессия и SVM
Функции потерь и оптимизация
Оценка точности модели, переобучение, регуляризация
Проблема качества данных
Работа с пропусками и переменными
Рекомендательные системы
Неперсонализированные рекомендательные системы
Сontent-based-рекомендации
Collaborative Filtering
Гибридные алгоритмы
Временные ряды
Знакомство с временными рядами
Элементарные методы анализа временных рядов
Модели ARMA
Модели авторегрессии условной гетероскедастичности
Сингулярный спектральный анализ
Случайные марковские процессы
Нейронные сети в анализе временных рядов
Поиск изменений во временном ряде
Нейронные сети
Введение в нейронные сети и библиотеку Keras
Углубление в нейронные сети и библиотеку Keras
Введение в свёрточные нейронные сети
Введение в рекуррентные сети
Автокодировщики
Введение в генеративно-состязательные сети
Компьютерное зрение
Выделение признаков и поиск похожих изображений
Сегментация и детекция объектов
Свёрточные нейронные сети
Обучение свёрточной сети на практике
Задачи детекции и сегментации
Рекуррентные нейронные сети в задачах компьютерного зрения (Image Captioning)
Порождающие модели
Обработка естественного языка
Введение в автоматическую обработку текста
Структура слова. Морфология
Синтаксический анализ
Дистрибутивная семантика
Извлечение ключевых слов
Словари. Подкрепление знаний
Тематическое моделирование
Информационный поиск
Классификация в АОТ
Языковые модели
Извлечение информации
Deep Learning
Регрессия и персептрон
Многослойная нейронная сеть: регуляризация, градиентный спуск, ускорение обучения
Свёрточные сети: свёрточные архитектуры, многомерные свертки, сегментация
Рекуррентные сети: RNN, GRU и LSTM, Encoder-Decoder архитектура
Внимание: Dense Attention и Beam search
Компьютерное зрение: SSD, Region Based CNN, Faster R-CNN, Masked R-CNN, UNet, перенос стиля и FCN
Работа с текстом: языковые модели, Embeddings, Word2Wec, FastText, NER, Transformer, BERT и Elmo
GAN'ы: дискриминатор, генератор, продвинутые архитектуры
SQL и получение данных
Архитектура и структура баз данных (БД)
Простые запросы, join`ы, агрегаты
Базовые команды в SQL и встроеные аналитические функции
Импорт и экспорт данных посредством SQL и ETL программ
Принципы работы с различными БД
Основные библиотеки для подключения к БД из Python
Функции SQL и их аналоги в pandas
Консоль (знакомство, основные операторы, утилита psql)
Архитектура и проектирование
Нормализация
Зависимости
Подготовка и сдача итогового проекта
Аналитика больших данных
Что такое большие данные
Монетизация больших данных
Характеристики и источники данных
Культура сбора данных
Основы реализации проектов больших данных. Кейс-стади
Основные характеристики больших данных и виды анализа данных. Продвинутые методы анализа больших данных
NoSQL-подход
MapReduce-подход
Введение в Hadoop
Практическое задание (лабораторная работа) по аналитике данных и его разбор
Python для анализа данных
Базовые типы данных и циклы
Функции и классы
Продвинутые типы данных: массивы, множества, словари
Библиотеки для анализа данных: NumPy, Pandas, Matplotlib
Визуализация в Python
Базовые понятия статистики
Случайные события. Случайные величины
Логистическая регрессия и дискриминационный анализ
Корреляция и корреляционный анализ
Доверительные интервалы. Статистическая проверка гипотез
Математика для анализа данных
Линейная алгебра. Вектора
Линейная алгебра. Матрицы
Продвинутая линейная алгебра
Математический анализ. Производная
Производная функции нескольких аргументов
Теория оптимизации
Теория вероятности. Дискретные и непрерывные случайные величины
Центральная предельная теорема и закон больших чисел
Программа курса
Аналитическое мышление
Что такое аналитическое мышление
Продвинутые Google-таблицы
Основы статистики
Откуда берутся данные
Продвинутая визуализация данных
Python как инструмент анализа данных
Машинное обучение для жизни
Основы визуализации данных
Как донести информацию с помощью изображений
Инструменты, источники и предподготовка данных
Исследование данных и основы статистики
Продвинутая визуализация данных
Сторителлинг в визуализации
