Специалист по машинному обучению решает задачи по анализу данных и построению моделей при помощи современных методов машинного обучения. Эти методы позволяют решать большой спектр трудоемких или невозможных для решения классическими методами задач, в список которых входят задачи построения прогнозов, классификации объектов по сложным признакам, распознавания речи и изображений, анализа текста и прогнозирования по данным со сложными зависимостями.

Специалист по машинному обучению

Машинное обучение на Python, часть 1

Машинное обучение на Python, часть 2

Применение искусственного интеллекта для решения задач организаций

Программирование на Python, часть 1

Программирование на Python, часть 2

Программирование на Python, Numpy для Data Science, часть 3

Программирование на Python, Pandas для Data Science, Высокопроизводительная обработка и анализ данных в Pandas, часть 4

Математика для Data Science, часть 1. Теория вероятностей и статистика

Математика для Data Science, часть 2. Математический анализ и линейная алгебра

Основы Data Science и Big Data, часть 1

Основы Data Science и Big Data, часть 2. Источники данных для анализа

Глубокое обучение (нейронные сети) на Python, часть 1

Глубокое обучение (нейронные сети) на Python, часть 2

Глубокое обучение (нейронные сети) на Python, часть 3. Анализ текстовых данных и обработка естественного языка

Глубокое обучение (нейронные сети) на Python часть 4. Компьютерное зрение

Разработка конвейеров, автоматизация и развертывание моделей машинного обучения, часть 1

Разработка конвейеров, автоматизация и развертывание моделей машинного обучения, часть 2

Использование инструментов для анализа текста (Bert, Natascha, Gensim)

Онтологии в организации компьютерных информационных систем. Обзор понятий, языков и методов, связанных с применением онтологий в информатике