Описание

Профессия: Data Scientist от основ Python до нейросетей [2021]
Moscow Coding School
Богдан Салып, Михаил Доброхвалов, Илья Бодров-Круковский, Джама Рузиев, Александр Пшеничников, Галима Ахмадуллина

Онлайн-буткемп, у которого только одна цель – сделать из вас универсального солдата в областях Data Science и Machine Learning с нуля.

Начнем с программирования на Python и основ машинного обучения, а дальше погрузимся в практику с нейронными сетями и глубоким обучением.

После завершения программы, вы сможете выйти в реальный мир и найти себя в индустрии.

1. Реальные проекты для портфолио
2. Тесты на закрепление теории
3. Проверка практических работ
4. Ревью кода и комментарий от ментора
5. Консультации и поддержка в чате курса
6. Дополнительные материалы
7. Сертификат об окончании курса 1. Строить алгоритмы по анализу данных
2. Оперировать данными в формате JSON
3. Сочетать инструменты машинного обучения
4. Создавать модели подходящие профилю задачи
5. Применять на практике NumPy, Pandas, Matplotlib
6. Общаться с API через HTTP-запросы
7. Скрапить и парсить данные напрямую с сайтов
8. Создавать нейросети для распознавания текста и объектов 1. Новички, которым интересна набирающая обороты отрасль
2. Разработчики, стремящиеся освоить прикладные аспекты ML
3. Аналитики, желающие повысить точность своих прогнозов
4. Менеджеры, которым важно видеть закономерности в цифрах
5. Биохимики, работающие на стыке с программированием Модуль 1 – Основы Python

• Принципы программирования
• Синтаксис и основные возможности
• Структуры данных в Python
• Циклы и условные выражения
• Методы манипуляций строками
• Списки, кортежи, словари
• Функции и организация кода
• Объектное программирование
• Исключения и обработка ошибок
• Работа с модулями и API

Модуль 2 – Машинное обучение

• Jupyter Notebook
• NumPy, Pandas
• Matplotlib, scikit-learn
• Регрессия
• Классификация
• Предобработка данных
• Оценка и регуляризация
• Алгоритмы ML
• Обучение с подкреплением
• Обучение без учителя

Модуль 3 – Скрапинг данных

• HTTP starter guide
• Запросы GET и POST
• Работа с API
• XML, JSON
• Библиотека BeautifulSoup
• Selenium
• Автоматизация задач

Модуль 4 – Глубокое обучение

• Типы нейронных сетей
• Архитектура deep learning
• Слои
• Перцептрон
• Веса
• Функция ошибки
• Градиентный спуск
• Back propagation

Модуль 5 – Сверточные нейросети

• Архитектура нейронной сети
• Фильтры
• Подготовка и обучение
• Разные уровни сети
• Stride и padding
• Слой pooling
• Классификация

Модуль 6 – Основы SQL