[Otus] Data Scientist. Часть 2 из 5

О курсе

Курс предназначен для программистов и аналитиков, которых интересует область машинного обучения и анализа данных.

Цель прохождения курса — освоение алгоритмов машинного обучения и логических методов, позволяющих находить ценную информацию в крупных массивах данных и эффективно внедрять эту информацию для решения реальных бизнес-задач.

Курс дает комплексные ответы на следующие вопросы:
- когда и зачем нужно анализировать данные?
- какую пользу приносит анализ данных?
- какие бывают данные?
- каковы принципы работы алгоритмов машинного обучения?
- как работать с неструктурированными (текстовыми) данными?
- как работать с большими данными?

После обучения вы сможете:
- использовать методы машинного обучения в практически полезных приложениях и исследованиях;
- выбирать подходящие алгоритмы и метрики;
- разбираться в математических основаниях алгоритмов машинного обучения;
- проводить предварительную обработку данных (очистка, работа с пропусками, определение типа шкал);
- проводить статистические исследования и интерпретировать их результаты;
- создавать предсказательные модели для качественных и количественных данных;
- применять методы обучения без учителя (кластеризация, снижение размерности);
- работать с ограниченными датасетами, структурированными и неструктурированными данными;
- проектировать архитектуру нейросетей и обучать их;
- самостоятельно реализовывать весь процесс: от поиска полезной информации в массивах данных до построения схемы обработки данных в боевом окружении.

Особенность курса — сбалансированное сочетание теоретического изучения и практических действий, плюс высокая степень свободы при создании проекта. Это тот случай, когда технические возможности машинных алгоритмов будут использованы для решения реальных проблем бизнеса и общества. Вы научитесь видеть за моделями практический смысл и делать обобщения с учетом особенностей данных и специфики предметной области.


В результате обучения вы не только расширите свой инструментарий в области анализа данных, но и улучшите навыки в следующих технологиях: Python, Pandas, Sklearn, Keras, нейросети, SQL, логистическая регрессия, предсказательные модели, машинное обучение, математическая статистика, Natural language processing, Deep learning.

После прохождения курса в вашем распоряжении останутся:
- презентации и видеозаписи занятий, все сопутствующие материалы;
- собственные уникальные исследования, которые можно показывать при устройстве на работу;
- один большой проект, решающий конкретную практическую проблему;
- сертификат о прохождении обучения.

Требуемые трудозатраты в неделю: 2 вебинара + 3-5 часов на домашнюю работу.