FAQ
Поиск
#Анализ данных
#Машинное обучение
#AI

Основы машинного обучения

2 дня (16 академических часов)
Краткая аннотация
На курсе слушатели изучат основы технологий машинного обучения, терминологию, преимущества, возможности и ограничения современных технологий анализа данных, изучат практики работы с данными относительно нужд задач машинного обучения, возможности статистического анализа данных, терминологию и инструменты решения задач машинного обучения.

В курсе освещаются следующие темы: технологии анализа данных, работа с источниками данных, статистический анализ и визуализация данных, типы задач машинного обучения, специфика глубинного обучения, структура проектов в области анализа данных и машинного обучения.
Целевая аудитория
Руководители проектов

Архитекторы, занимающиеся внедрением цифровизации и технологий машинного обучения
Расписание открытых форматов курса
Стоимость обучения одного слушателя
08.07.2021
Очный формат — 24 000 ₽.

Дистанционный формат — 21 600 ₽.
Подробная программа курса
Введение

  • Наука о данных, анализ данных, машинное обучение.
  • Преимущества использования аналитики и средств машинного обучения для решения бизнес-задач и принятия решений.

Инструменты и технологии анализа данных

  • Обзор технологий анализа данных. Визуализация, статистический вывод, машинное обучение, оптимизация.
  • Инструменты и среды для анализа данных, их возможности и ограничения.

Данные в машинном обучении

  • Типы данных. Большие данные. Роль данных в задачах машинного обучения.
  • Работа с данными. Определение и формирование источников данных. Сбор данных, консолидация и форматирование.

Анализ данных

  • Предобработка, очистка данных, удаление выбросов.
  • Визуализация данных. Типы данных и формы визуализации. Инструменты для визуализации.
  • Разведочный анализ данных, проверка гипотез. Выявление закономерностей в данных.
  • Статистика. Сравнение категорий, статистический вывод, прогнозирование.

Машинное обучение

  • Терминология, формулировка и типы задач в машинном обучении. Алгоритмы машинного обучения.
  • Традиционные алгоритмы и алгоритмы глубинного обучения. Инструменты для решения задач машинного обучения.
  • Примеры практического применения машинного обучения.

Внедрение анализа данных и машинного обучения

  • Структура проекта по решению задачи в области анализа данных. Взаимодействие с командой разработчиков. Возможные проблемы и ограничения. Инструменты для организации работы. Критерии оценки полученных результатов и определение следующих шагов.

Итоговое тестирование

  • В конце обучения на курсе проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненных в процессе обучения.
Возможные форматы обучения и размеры групп
очно (до 15 слушателей)

дистанционно в составе очной группы (без ограничения числа подключений)

корпоративный формат (для групп от 10 до 45 слушателей)

Тренер курса

Беляев Александр Владимирович

Разработчик информационных систем, системный аналитик, аналитик данных
Ведёт 19 курсов в ЦЕСИНКОМ
Разработка на Python
Машинное обучение
Математическая оптимизация
Консалтинг
Специализация
Должность
Дополнительные услуги
Требуемый уровень предварительной подготовки
Высшее или среднее специальное образование. Слушатели должны быть знакомы с процессом внедрения и разработки высокотехнологичных проектов
Траектории, в которые входит данный курс
Специалист по машинному обучению
Список курсов, требующихся для прохождения данного курса
нет
Список курсов, которые дополняют данный курс
Анализ данных с помощью Python

Глубокое погружение в программирование на языке Python

Анализ данных с использованием языка R

Основы Big Data
Список категорий каталога, в которые включён курс
Построение систем принятия решений на основе данных (Big Data)

Анализ данных и машинное обучение
Разработка курса или траектории обучения под вашу задачу
Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.