Курсы digital marketing

Цей курс призначений для тих, хто бажає заробляти на створенні сайтів, лендінгів та інтернет-магазинів. Після проходження курсу ви зможете створювати унікальні сайти, лендінги та інтернет-магазини будь-якої складності. Це популярно на ринку та високо оплачується. Тому пройдіть цей курс та отримайте вигідну професію. Або запустіть свій інтернет-магазин. Також у курсі надається багато бонусів з дизайну та анімованих креативів. Пройшовши цей курс, ви отримаєте повноцінну професію в DIGITAL маркетингу.

эффективность инвестиций и прогноз трендов Рейтинг: 4,4 из 54,4 (26 оценок)182 студента Авторы: Центр digital-профессий... Курс складається з трьох частин. Спочатку ми розберемо, як розраховувати відсотки за депозитами та платежі за кредитами і потренуємося в кредитному аналізі. Потім вивчимо підходи для вирішення інвестиційних задач: дисконтування, амортизація, ексцес, внутрішня ставка доходності та оцінка інвестицій. Проведемо інвестиційний аналіз. На завершення трохи займемося статистичним апаратом та навчимося точно прогнозувати дохідність тих чи інших інвестицій та будувати тенденції. Для проходження курсу потрібен Microsoft Excel версії не нижче 2010. Розрахунок простих та складних відсотків Розрахунок диференційованих та аннуїтетних платежів Переплата та погашення кредиту Розрахунок амортизації Внутрішня ставка доходності та приведена вартість грошей Аналіз акцій та облігацій Ймовірності та розподіли Персентилі та довірчі інтервали Лінійний та нелінійний прогноз Довірчий інтервал для прогнозу Оцінка фінансових ринків Оцінка інвестиційних стратегій

базы данных и освоить язык запросов SQLРейтинг: 4,4 из 54,4 (17 оценок)98 студента Авторы: Центр digital-профессий... На цьому курсі ви навчитеся мові запитів SQL та дизайнувати бази даних. Курс включає в себе вивчення синтаксису SQL, створення, змінення та видалення даних та таблиць, індекси, складні запити та повнотекстовий пошук, вкладені запити. Курс містить 60 окремих уроків, 13 практикумів, 7 самостійних робіт для закріплення матеріалу та 30 задач-тренажерів. Вашим курсовим проектом буде дизайн бази даних для веб-додатка.

Данный курс це повне практичне керівництво для вивчення загальних принципів 3D моделювання з нуля. За 24 практичних відео-уроків ви пройдете шлях від новачка до професіонала. Принцип курсу: від простого до складного через створення 3D моделей. В рамках всього навчального процесу ви побудуєте чотири 3D моделі. Навчання проходить в програмі Onshape. Навички, які ви отримаєте після закінчення курсу: створення та редагування 3D моделей, виконання фотовізуалізації свого проекту, підготовка моделі до 3D друку, навички переводу 3D моделей в 2D вид. Курс призначений для підлітків та студентів, які цікавляться сучасним цифровим суспільством та отриманням початкових навичок Digital професій. Для успішного проходження курсу необхідно мати базові знання комп'ютерної грамотності та англійської мови.

со сверточными и остаточными нейросетями Рейтинг: 3,8 из 53,8 (18 оценок)208 студента Авторы: Центр digital-профессий... Курс розрахований на аналітиків Python, які вивчають машинне навчання. У курсі розглядається сегментація та класифікація зображень хмар за допомогою згорткових, пірамідальних, залишкових та повнозв'язних нейронних мереж у змаганні на Kaggle. Курс поділений на 2 частини. У першій частині ми послідовно пройдемо всі етапи роботи з даними: від видів задач та їх постановки до роботи з моделями машинного навчання для мінімізації передбачувальної помилки. У другій частині розглянемо на практичних прикладах проведення дослідницького аналізу даних для пошуку залежностей, метрики точності, очищення даних та обробки зображень, завантаження та збереження моделей та даних в HDF5, нейронні мережі зі згортковими шарами та шарами підвибірки, функції активації, ініціалізація та оптимізатори нейронних мереж, перетворення та доповнення (аугментація) бінарних даних, ансамбль нейронних мереж тощо. Курс містить 11,5 годин відео та дає можливість отримати сертифікат.

распознавания объектов на изображениях Рейтинг: 4,0 из 54,0 (20 оценок)135 студента Авторы: Центр digital-профессий... Перший курс серії Машинне зріння присвячений розпізнаванню зображень за допомогою нейронних мереж на Python. Курс складається з трьох великих частин: Введення в нейронні мережі, Розпізнавання цифр та Розпізнавання автомобільних номерів. Після проходження курсу ви зможете розробляти та навчати нейронні мережі на Python, використовуючи Keras/TensorFlow. Курс містить 5 відеоуроків, а також курсовий проект, під час якого ви створите власну навчену нейронну мережу, яка зможе розпізнавати номери автомобілів на фотографіях.

Работа с Digital Ocean, Vultr Вы узнаете, как работать с виртуальными серверами на платформах Digital... Цей курс призначений для тих, хто хоче навчитися створювати парсери, роботи та автоматизовані скрипти. Ви навчитеся парсити сайти будь-якої складності, працювати з Selenium Webdriver, писати роботів та створювати копії сайтів. Курс включає в себе такі розділи: простий парсинг, автоматизація, роботи, парсери, тестування з використанням Selenium та PHP, робота з cURL, проксі, Cookie, копії сайтів з використанням cURL, створення проксі-скрипта, робота з PhantomJS, робота з DigitalOcean, Vultr. Після завершення курсу ви зможете створювати парсери та роботів, парсити будь-які сайти, писати автоматизовані тести веб-додатків та створювати копії сайтів.

информация, PCA, ICA, NMF, MDS, t- SNEРейтинг: 4,4 из 54,4 (18 оценок)146 студента Авторы: Центр digital-профессий... Курс розглядає задачу хакатона 2020 року з виділення факторів, що найбільше впливають на тривалість життя в Росії, з точки зору фундаментальних та прикладних підходів до зменшення розмірності даних. Курс розбито на 4 частини, де розглядаються різні методи машинного навчання та їх застосування для розв'язання задачі. Після проходження курсу студенти зможуть використовувати різні методи машинного навчання для вирішення задачі виокремлення факторів та побудови моделі для прогнозування тривалості життя в Росії.

инструмент для использования в своих работах· Скульпторы, желающие улучшить цифровой скульптинг ( Digital... Цей курс призначений для 3D моделерів, які хочуть покращити свої навички моделювання та скульптування, а також показу своїх моделей. впевнено користуватися інструментами Zbrush; моделювати власні скульптури, персонажів та інші моделі, використовуючи вивчені інструменти та прийоми; моделювати як high poly, так і low poly моделі; створювати неповторні матеріали та текстури; робити красиву анімовану подачу ваших моделей в KeyShot.

рекуррентные нейросети для работы с временными рядами Рейтинг: 0,0 из 50,0 (0 оценок)5 студента Авторы: Центр digital-профессий... Це додатковий курс програми Машинного навчання від ITtensive з аналізу часових рядів. Курс складається з трьох практичних завдань, які дозволяють прогнозувати ціни на ф'ючерси на зерно, курс долара до рубля та активність споживачів електроенергії. Курс надає теоретичні знання про базові техніки, моделі та методологію аналізу часових рядів, а також про рекурентні нейронні мережі, LSTM, GRU, ConvLSTM та BiLSTM. Курс містить 4 відео та сертифікат про успішне завершення.

данными, линейные метрики и простые модели Рейтинг: 3,5 из 53,5 (3 оценок)22 студента Авторы: Центр digital-профессий... Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на [email protected] с названием курса или группы курсов, которые хотите пройти.Работа с большими данными и задачами искусственного интеллекта требует особого подхода - подхода машинного обучения. В этом курсе мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки.Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели – линейную и логистическую регрессии.В курсе изучается:Классификация задач машинного обучения.Процесс машинного обучения: ETL, EDA, подготовка данных, обучение модели.Особенности обучения модели: выборки, переобучение и гиперпараметры.Оптимизация гиперпараметров жадным поиском, через гиперкуб и парзеновские деревья.Отличия переобученной модели и недообученной, практики оптимального обучения.Работа с форматов хранения данных - HDF5.«Проклятье» большой размерности.Подходы к простым моделям машинного обучения: метод максимального правдоподобия и метод наименьших квадратов, среднеквадратичная ошибка.Подходы к заполнению пропусков в данных: интерполяция и экстраполяция.Метрики задач регрессии: эвклидово расстояние, расстояние городских квадратов, Чебышева и Минковского.Линейная регрессия с регуляризацией и без.Изотоническая регрессия.Критерии выбора сложности модели: BIC и AIC.Линеаризуемая и полиномиальная регрессия.Логистическая регрессия.После завершения курса вы сможете организовывать процесс разработки моделей машинного обучения и перейти к более глубокому и прикладному изучению тему машинного обучения.Курс является вводным (базовым) и подойдет широкому кругу слушателей: от руководителей до разработчиков.Основные задачи машинного обучения:1) Задача регрессии – прогноз на основе выборки объектов с различными признаками. На выходе должно получиться вещественное число (2, 35, 76.454 и др.), к примеру цена квартиры, стоимость ценной бумаги по прошествии полугода, ожидаемый доход магазина на следующий месяц, качество вина при слепом тестировании.2) Задача классификации – получение категориального ответа на основе набора признаков. Имеет конечное количество ответов (как правило, в формате «да» или «нет»): есть ли на фотографии кот, является ли изображение человеческим лицом, болен ли пациент раком.3) Задача кластеризации – распределение данных на группы: разделение всех клиентов мобильного оператора по уровню платёжеспособности, отнесение космических объектов к той или иной категории (планета, звёзда, чёрная дыра и т. п.).4) Задача уменьшения размерности – сведение большого числа признаков к меньшему (обычно 2–3) для удобства их последующей визуализации (например, сжатие данных).5) Задача выявления аномалий – отделение аномалий от стандартных случаев. На первый взгляд она совпадает с задачей классификации, но есть одно существенное отличие: аномалии – явление редкое, и обучающих примеров, на которых можно натаскать машинно обучающуюся модель на выявление таких объектов, либо исчезающе мало, либо просто нет, поэтому методы классификации здесь не работают. На практике такой задачей является, например, выявление мошеннических действий с банковскими картами.

выделять кластеры в данных и искать аномалии Рейтинг: 5,0 из 55,0 (1 оценка)47 студента Авторы: Центр digital-профессий... Курс присвячений роботі з кластеризацією даних та пошуку аномалій на прикладі задачі хакатона Яндекс.Недвижимости по прогнозу срока экспозиции объявлений. Курс розбитий на 4 частини, в яких вивчаються основні моделі кластеризації, розширені моделі кластеризації, пошук аномалій та класифікація через кластеризацію. Курс призначений для аналітиків Python, які вивчають машинне навчання.

Q-обучение, Монте- Карло и Deep Q- Network Рейтинг: 4,7 из 54,7 (4 оценок)32 студента Авторы: Центр digital-профессий... Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на [email protected] с названием курса или группы курсов, которые хотите пройти.Это завершающий курс программы Машинное обучение от ITtensive., В этом курсе мы разберем 3 задачи обучения с подкреплением:1. Игра в крестики-нолики на доске 3x3. Запрограммируем среду, условия выигрыша и обучим простых и не очень агентов (игроков) сводить игру к ничье. На примере базовых стратегий рассмотрим работу уравнения Беллмана, Q-обучения и обучения с преследованием.Используя различные стратегии, включая эпсилон жадные и оптимизированные эпсилон жадные, сравним их эффективность при игре друг с другом.Проект: разработка собственного выигрышного агента для игры в крестики-нолики.2. Задача балансировка тележки в физическом окружении. Используем CartPole AI Gym и научимся балансировать тележку в зависимости от данных сенсоров. Изучим принципы построения нейросети обучения с подкреплением (DQN = Deep Q-Network) и используем ее для ускорения и стабилизации процесса обучения.Сравним обучение агента на случайных процессах, на изучении распределения состояний среды (априорные и постериорные вероятности), на эмуляции кратковременной и долговременной памяти агента, разберем проблемы обучения и оптимизации полносвязной нейросети.Проект: разработка оптимизированной DQN для балансировки тележки.3. Игра в блекджек (21 очко). Используем окружение AI Gym для расчета оптимальных ходов при игре в Блекджек. Используем методы Монте-Карло, включая одиночные и множественные касания, единую и разделенную политики, а также оптимизацию исследовательских стартов.Визуализируем оптимальную политику поведения агента через изоповерхности в пространстве состояний среды.Проект: расчет оптимальной стратегии игры в блекджек.

кластеризации ( К-средних, DBSCAN, OPTICS, SOM) Рейтинг: 4,6 из 54,6 (11 оценок)144 студента Авторы: Центр digital-профессий... Курс розроблений для аналітиків Python, які вивчають машинне навчання. У курсі розглядаються методи машинного навчання без учителя на Python. Курс складається з 7 частин, в яких розглядаються наступні теми: робота з даними, лінійна регресія, регуляризація, метод головних компонент, кластеризація, DBSCAN, HDBSCAN, OPTICS, SOM. Курс містить 2 задачі з хакатонів 2020 року: прогнозування тривалості життя в Росії та прогнозування терміну експозиції оголошень на Яндекс.Нерухомість. Курс містить багато практичних завдань та прикладів.

уже знакомы с маркетингом, и хотят расширить свои возможности Преподаватель Елена Шаповал Маркетинг, digital... Курс пропонує познайомитися з інструментами інтернет-маркетингу та навчитися створювати маркетинговий план проекту, проводити аналіз конкурентів, формувати УТП та позиціонування, ставити маркетингові цілі, розуміти принципи роботи контекстної та таргетованої реклами, контент-маркетингу, SEO, складати медіа-плани та контент-плани, аналізувати результати рекламних кампаній та оптимізовувати їх. Курс підходить для початківців, а також для тих, хто бажає поглибити свої знання в галузі інтернет-маркетингу.