Курс Data Science.

(40 Часов с преподавателем+ 20 часов на домашние задания)

Data Science (наука о данных) – один из самых мощных инструментов анализа, который позволяет из самых неочевидных чисел сложить новую картину мира. Сейчас под этим термином подразумевают методы работы с данными ("большими данными", или Big Data), позволяющими распределенно обрабатывать информацию.

Data Scientist — это специалист по обработке, анализу и хранению больших массивов данных, которые называют «Big Data». Его главная задача — извлекать необходимую информацию из разнообразных источников, используя информационные потоки в режиме реального времени и устанавливать скрытые закономерности в массивах данных, статистически анализировать их для принятия грамотных бизнес-решений.

Эти технологии востребованы в компаниях различного профиля: телеком, финтех, ритейл, e-commerce. Среди них и крупнейшие российские компании, такие как Сбербанк, Альфа Банк, Mail.ru. Специалисты по сбору и анализу больших данных – пока штучный товар, а популярность этой профессии все больше набирает обороты.

На нашем курсе по Data Science вы научитесь анализировать на огромные цифры и видеть в них закономерности, делать правильные выводы из статистических данных, освоите новые методы обработки информации и сможете применить полученные знания на практике.

Этот курс для тех, кто:
хочет освоить новую профессию аналитика данных (Data Scientist)
планирует освоить новые инструменты анализа данных в рамках текущей работы
слышал о Big Data, но боялся спросить и заинтересован в более глубоком погружении в эту сферу
любит анализировать, искать причины, следствия и делать выводы

Требования:

Для успешного прохождения курса вы должны иметь базовый уровень программирования на любом языке. Например, уметь написать функцию, которая считает сумму квадратов первых n натуральных чисел.

Преимущества курса:
Вы получите редкую, востребованную и одну из самых высокооплачиваемых профессий в мире
Освоите эффективные инструменты анализа данных
Сможете применить знания в текущем проекте или на на практике в рамках курса
Получите отличные перспективы трудоустройства

Программа курса:

1 Общий инструментарий SQL, Python, Pandas
Познакомимся с самыми основами инструментария, а также узнает общий уровень подготовки группы.

2. Линейная регрессия
Задачи регрессии и классификации. Метрики качества регрессии MSE, MAE, критерии выбора метрики. Линейная регрессия.

3. Переобучение
Переобучение, способы борьбы с ним.

4. Категориальные признаки
Работа с категориальными признаками: label encoding, one hot encoding, average encoding.

5. Регуляризация
Регуляризация на примере линейной регрессии. Ridge, Lasso. Bias vs variance.

6. Задача классификации
Логистическая регрессия. Метрики качества классификации: accuracy, precision, recall, roc auc, gini.

7. Деревья, ансамбли деревьев
Decision Tree. Методы комбинирования алгоритмов: bagging, boosting. Случайный лес, градиентный бустинг.

8. Задачи снижения размерности, кластеризации
Метод главных компонент, PCA. EM-алгоритмы. K-Means.

9. Нейронные сети
Основы нейронных сетей. Их «настройка», подбор параметров, борьба с переобучением. Решения задач распознавания изображений.

10. Ограничения машинного обучения.
Области применимости пройденных алгоритмов.

Формат проведения
Занятия в центре Новосибирска.

Акции: скидка 10% за приведённого друга.
Внимание! Разместите пост о курсе в своём аккаунте в любой социальной сети с комментарием "Я записался на курс в IT-Академии!" и ссылкой на сайт и получите скидку 3%!

Курс преподает:

Евгений Сальский - Аналитик, занимается разработкой и сопровождением системы кредитного скоринга. Из технологий владеет - Excel, Power Pivot, SQL Server, Python (XGBoost, Flask + стандартные библиотеки).