• Программирование [Karpov.Courses] Machine Learning для начинающих. Часть 4 из 7 (2023)

    • Автор темы Sigma
    • Дата начала
    • 38
    Автор: Karpov.Courses
    Название: Machine Learning для начинающих. Часть 4 из 7 (2023)

    1711996660470


    Описание:

    ЧЕМ ЗАНИМАЮТСЯ ML-ИНЖЕНЕРЫ:


    В современном мире бизнес сталкивается со многими проблемами, которые требуют неординарных решений. Например, как идентифицировать клиентов, которые хотят уйти, и сохранить их с помощью ценовых факторов?
    Работа ML-инженера заключается в решении подобного рода задач и создании систем, которые работают лучше и быстрее, чем решения, сделанные простым человеком.

    ДЛЯ КОГО ЭТА ПРОГРАММА:

    УЖЕ РАБОТАЕТЕ В IT
    Вы уже работаете в IT, но хотите перейти в новую сферу или расширить свои знания и навыки, чтобы применить их в различных областях машинного обучения.

    СТАРТ КАРЬЕРЫ
    Хотите изучить машинное обучение, но не знаете, с чего начать. Курс научит вас необходимой математической базе для работы в ML и даст навыки для старта карьеры.
    skladchiki.cc.png

    ПРОГРАММА КУРСА :

    1. ПРИКЛАДНАЯ РАЗРАБОТКА НА PYTHON
    Python — один из самых популярных инструментов для анализа данных. В этом блоке мы научимся работать с этим языком, познакомимся с основными библиотеками для ML и узнаем, как грамотно использовать Python при командной работе. Также мы посвятим время изучению инструментов для работы с базами данных, как с помощью классического SQL, так и с помощью Python кода. Полученных знаний будет достаточно для работы не только в области анализа данных, но и в классической разработке на Python.

    2. МАШИННОЕ ОБУЧЕНИЕ И ПРИЛОЖЕНИЯ
    Классические методы машинного обучения — это основа для большинства современных способов анализа данных, например, для оптимизации банковского ценообразования. Мы изучим основной теоретический инструментарий для успешного построения ML-дизайна в острых проблемах реальной индустрии и отточим новые навыки на практике.

    3. ОБЗОР ОСНОВ DEEP LEARNING
    Глубинное обучение с использованием нейронных сетей появляется тогда, когда классические модели бессильны: детекция объектов с картинки, генерация осмысленного текста, определение тональности звуковой дорожки и многое другое. В данном курсе мы обзорно посмотрим на решения, которые можно сделать с помощью deep learning, и попробуем в них разобраться.

    4. СТАТИСТИКА И A/B-ТЕСТЫ
    В этом блоке мы изучим основные понятия математической статистики, необходимые для улучшения моделей. Научимся правильно проводить A/B тестирование, чтобы достоверно измерять влияние внедрения ML моделей на продукт и бизнес. Обсудим нюансы при проведении экспериментов и способы оценки метрик при невозможности проведения A/B-теста.

    5. СОБЕСЕДОВАНИЯ И КАК ИХ ПРОЙТИ
    В последнем блоке курса мы еще раз вспомним основные моменты из всего курса и обсудим, как проходят собеседования на младшего специалиста в машинном обучении, как к ним готовиться и как их проходить. Мы хотим поделиться своим опытом и помочь пройти первый этап в поиске профессии мечты.

    ВАЖНО:
    В личном кабинете отсутствует видеоурок теоретической части: лекция 9.2
    В конспекте данный материал выдан полностью.
     
    Подробнее

    Скачать

    Похожие темы
  • Сверху