Машинное обучение и анализ данных

Машинное обучение и анализ данных

Вид образования: Внеформальное
Уровень формального образования: Профессиональное совершенствование
Язык обучения: Русский
Тип ООК (согласно положению): МООК
Ключевые слова: машинное обучение, анализ данных
Программа: 

Курс 1. «МАТЕМАТИКА И PYTHON ДЛЯ АНАЛИЗА ДАННЫХ

НЕДЕЛЯ 1

Введение.

НЕДЕЛЯ 2

Библиотека Python и линейная алгебра.

НЕДЕЛЯ 3

Оптимизация и матричные разложения.

НЕДЕЛЯ 4

Случайность

 

Курс 2. «ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ»

НЕДЕЛЯ 1

Машинное обучение и линейные модели.

НЕДЕЛЯ 2

Линейные модели и оценка качества.

НЕДЕЛЯ 3

Решающие деревья и композиции моделей.

НЕДЕЛЯ 4

Нейронные сети и обзор методов.

 

Курс 3. «ПОИСК СТРУКТУРЫ В ДАННЫХ»

НЕДЕЛЯ 1

Методы кластеризации.

НЕДЕЛЯ 2

Понижение размерности и матричные разложения.

НЕДЕЛЯ 3

Визуализация данных и поиск аномалий.

НЕДЕЛЯ 4

Тематическое моделирование.

 

КУрс 4. «ПОСТРОЕНИЕ ВЫВОДОВ ПО ДАННЫМ»

НЕДЕЛЯ 1

Основы статистики и проверка гипотез.

НЕДЕЛЯ 2

АБ-тесты: основы планирования, дизайн и интерпретация результатов.

НЕДЕЛЯ 3

Анализ зависимостей.

НЕДЕЛЯ 4

Скоринг, биоинформатика.

 

Курс 5. «ПРИКЛАДНЫЕ ЗАДАЧИ АНАЛИЗА ДАННЫХ»

НЕДЕЛЯ 1

Рекомендательные системы.

НЕДЕЛЯ 2

Прогнозирование временных рядов.

НЕДЕЛЯ 3

Скоринг, прогнозирование и CTR.

НЕДЕЛЯ 4

Анализ текстов и другие прикладные задачи.







Авторы курса: Яндекс
Преподаватели: К.Воронцов, В.Стрижов, Е.Рябенко, Е.Соколов, В.Кантор, Э.Драль
Организация: ФРОО
Входные требования по уровню знаний: Специализация подходит людям, незнакомым с анализом данных.
Выходные знания, умения, навыки:  Вы пройдете все этапы анализа данных — от подготовки до построения финальной модели и оценки её качества. В результате в портфолио появится проект, который смело можно указать в резюме и показать работодателю на собеседовании.
Входной тест: Нет
Ограничения по числу участников: нет
Формирование групп по уровню подготовленности: Нет
Присутствие преподавателей: Да
Присутствие тьюторов: Нет
Присутствие фасилитаторов: Нет
Форма представления учебных материалов: Видеолекции
Наличие обратной связи в материалах: Да
Наличие совместного обучения: Нет
Наличие практических занятий: проекты
Наличие форумов, дискуссий: Да
Наличие вебинаров, видеоконференций: Да
Наличие неформального общения, meetup: Да
Интеграция с LMS: Да
Учебная аналитика: Да
Наличие сертификации: Да
Наличие временных границ: Да
Тип занятий (синхронность): асинхронные
Виды оценивания: тест
Количество модулей в курсе: 5 курсов по 4 недели
Количество тестов (экзаменов): 5
Возможность формирования собственной траектории, индивидуализации на курсе: Нет
Операционные системы: любые
Поддержка лиц с ограниченными возможностями: Нет
Обучающие технологии: Connectevism
Сайт курса: https://www.coursera.org/
Гостевой логин и пароль для экспертов: логин: demo.course@eldf.ru пароль: dt32sHSN
Экспертная оценка (только для экспертов): Оценить курс
Посмотреть оценку (только для экспертов):  Результат



Обучение проходит в формате МООС: вы смотрите лекции в удобное для вас время и получаете различные форматы заданий в виде тестов и перекрестных проверок.

5 курсов, дипломный проект, 6 месяцев обучения, 3-6 часов в неделю. 

В финальном проекте вы сможете применить полученные знания к реальным данным в электронной коммерции, социальных медиа, информационном поиске, бизнес-аналитике. Вы пройдете все этапы анализа данных — от подготовки до построения финальной модели и оценки её качества. В результате в портфолио появится проект, который смело можно указать в резюме и показать работодателю на собеседовании.

Успешно оконченная специализация открывает путь в передовые компании России и мира. Мы не обещаем сразу топовые позиции, но гарантируем рассмотрение вашей кандидатуры в приоритетном порядке.


Назад в раздел