Подробнее о курсе
Краткое описание курса
Курс предназначен для ознакомления с теоретическими положениями и освоения практических навыков обработки, анализа и визуализации данных с использованием различных библиотек языка Python. В процессе курса изучаются методы сбора, очистки, разведывательного анализа данных, работы с категориальными признаками, снижения размерности. Рассматриваются основы статистики, языка запросов SQL и сервера баз данных PostgreSQL.
Курс также охватывает машинное обучение и нейронные сети. Подробно изучаются методы обучения с учителем (регрессия, классификация) и без учителя (кластеризация).
В части нейронных сетей разбираются основы от перцептрона до сверточных и рекуррентных архитектур, фреймворки Keras, TensorFlow, PyTorch. Курс завершается изучением трансформеров, больших языковых моделей и их применения для обработки текстов. Дополнительно даются навыки использования BI-инструментов.
Цель курса
Цель курса — дать слушателям комплексные знания и практические навыки по сбору, обработке, анализу и визуализации данных с использованием современных методов и инструментов, включая машинное обучение и нейронные сети. Курс позволит стать квалифицированными специалистами, способными решать широкий спектр задач в области анализа данных для применения в различных практических сферах.
Преподаватель курса
- Эксперт Кластера «Искусственный интеллект» Российской Ассоциации Электронных Коммуникаций (РАЭК).
- Эксперт и член жюри проекта «Цифровой прорыв. Сезон: Искусственный интеллект». Реализуется в рамках федерального проекта «Искусственный интеллект» национальной программы «Цифровая экономика Российской Федерации». Организатор — АНО «Россия – страна возможностей».
- Разработка моделей машинного обучения для целей классификации, кластеризации и ранжирования, программная реализации систем на основе ИИ:
Классификатор вакансий на основе использования нейронных сетей CNN, LSTM, GRU - Разработка чат-ботов на основе ИИ с использованием LLM GPT-3, GPT-4 и фреймворка Botpress
- Разработка системы обнаружения аномалий трафика на площадках РСЯ Яндекс Директ и повышение эффективности контекстной рекламы на основе использования нейронных сетей
Получаемые знания и навыки
- Навыки работы с языком программирования Python и его библиотеками для целей обработки и анализа данных (NumPy, Pandas)
- Умение визуализировать данные с помощью библиотек Matplotlib и Seaborn
- Знание методов сбора, очистки и предварительного анализа данных
- Понимание принципов нормализации данных, работы с категориальными признаками и снижения размерности
- Знание основ статистики, включая распределения, выборки и проверку гипотез
- Навыки работы с базами данных и SQL (на примере PostgreSQL)
- Понимание основных концепций и типов алгоритмов машинного обучения
- Умение строить и оценивать модели машинного обучения для задач регрессии, классификации и кластеризации
- Знание алгоритмов классификации текстов, таких как наивный байесовский классификатор и метод опорных векторов
- Понимание основ нейронных сетей, включая архитектуры сверточных и рекуррентных сетей
- Навыки работы с фреймворками глубокого обучения (Keras, TensorFlow, PyTorch)
- Знание принципов обработки естественного языка и применения трансформеров и больших языковых моделей
- Умение использовать BI-инструменты для анализа и визуализации данных
- Навыки решения реальных задач анализа данных и построения прогнозных моделей
