Курсы Data Science

PyTorch, Python, NumPy, Matplotlib, Scikit-learn, Keras, Machine Learning, Deep Learning

• Понимать основные алгоритмы машинного обучения и практически их использовать для задач классификации и регрессии;   
• Анализировать данные и строить модели машинного обучения с помощью Python i R;   
• Делать качественные и интерактивные визуализации данных.

• анализировать и структурировать образцы поведения,
• выявлять закономерности и отклонения от них,
• строить неочевидные взаимосвязи между данными.

Особо будет рассмотрен случай влияния нескольких факторов в совокупности для построения надежных моделей прогнозирования поведения.

• автоматизировать распознавание образцов поведения,
• строить эффективные алгоритмы в зависимости от требуемых характеристик,
• обрабатывать массивы информации и выдавать рекомендации за приемлемое время с заданной точностью.

Среди источников информации будут также рассмотрены реляционные и не реляционные СУБД, текстовые файлы, гипертекстовые документы, социальные сети.

Особенностью курса является максимально эффективная визуализация статистических выводов для эффективного принятия решений. По итогам курса каждый слушатель предоставит отчет о финальном проекте с помощью средств визуализации.