- Регистрация
- 09.04.2020
- Сообщения
- 346 282
- Реакции
- 30 744
- Монеты
- 1 191
- Оплачено
- 0
- Баллы
- 0
- #SkladchinaVip
- #1
[karpenkoveronika] Развитие бизнеса стилиста [Вероника Карпенко, Анастасия Милян]
Кому подойдёт этот курс
Как проходит обучение
- Ссылка на картинку
-
- Длительность13 месяцев
- Помощьв трудоустройстве
- 7 курсовв одной программе
- Доступ к курсунавсегда
- 2 300 компанийсейчас ищут специалистов в Data Science & Machine Learning
- 80 000 рублейзарплата начинающего специалиста
Кому подойдёт этот курс
- Новичкам в IT
Вы получите базовые навыки по аналитике, статистике и математике, которые откроют путь к карьере в Data Science и Machine Learning. - Программистам
Вы прокачаете свои знания и навыки в программировании на Python. Научитесь использовать алгоритмы машинного обучения, решать бизнес-задачи — и усилите портфолио мощными проектами. - Менеджерам и владельцам бизнеса
Научитесь использовать данные для построения прогнозов и оптимизации бизнес-процессов и переведёте компанию на новый уровень.
- Программировать на Python
Освоите самый популярный язык для работы с данными. - Визуализировать данные
Сможете разрабатывать дашборды или интерактивную инфографику. - Строить модели машинного обучения
Изучите разные алгоритмы, научитесь решать задачи регрессии, классификации и кластеризации. - Применять нейронные сети для решения реальных задач
Освоите фреймворки для обучения нейронных сетей Tensorflow и Keras. Узнаете, как устроены нейронные сети для задач компьютерного зрения и лингвистики. - Работать с библиотеками и базами данных
Освоите базы данных MongoDB, PostgreSQL, SQLite3, научитесь работать с библиотеками Pandas, NumPy и Matpotlib. - Писать рекомендательные системы
Создадите рекомендательную систему и добавите её в своё портфолио.
- Рекомендации по составлению портфолио и резюме
- Подготовка к собеседованию в компаниях-партнёрах
- Реальные заказчики
на защите диплома - Персональные консультации по развитию карьеры
Как проходит обучение
- Изучаете тему
В курсе — практические видеоуроки. - Выполняете задания
В том темпе, в котором вам удобно. - Работаете с наставником
Закрепляете знания и исправляете ошибки. - Защищаете дипломную работу
И дополняете ею своё портфолио.
Продажник:Спойлер: Программа курса
Аналитика
Статистика и теория вероятностей
- Введение.
- Основы Python: базовые структуры данных.
- Основы Python: циклы и условия.
- Основы Python: функции.
- Основы Python: классы и объекты.
- Основы Python: исключения.
- Библиотека NumPy. Часть 1.
- Библиотека NumPy. Часть 2.
- Библиотека pandas. Часть 1.
- Библиотека pandas. Часть 2.
- Визуализация данных с помощью matplotlib.
- Чтение и запись данных.
- Введение в SQL.
- Работа со строками.
Машинное обучение
- Основы статистики и теории вероятностей.
Математика для date science
- Основные концепции Machine Learning (ML).
- Жизненный цикл ML-проекта.
- Регрессия.
- Классификация.
- Кластеризация
- Дополнительные техники.
- Знакомство с Kaggle.
Машинное обучение
- Базовые математические объекты и SymPy. Дроби и преобразования.
- Базовые математические объекты и SymPy. Необходимые функции и некоторые дополнительные объекты.
- Функции одной переменной, их свойства и графики.
- Интерполяция и полиномы.
- Аппроксимация и преобразования функций.
- Функции нескольких переменных, их свойства и графики.
- Линейные функции.
- Матрицы и координаты.
- Линейные уравнения.
- Производная функции одной переменной.
- Производная по направлению и градиент + частные производные.
- Линейная регрессия.
- Собственные векторы и значения. Определитель.
- Разложения матриц.
Универсальные знания программиста
- Введение в нейронные сети.
- Обучение нейронных сетей.
- Нейронные сети на практике.
- Свёрточные нейросети для задачи классификации изображений.
- Семантическая сегментация. Часть 1. Слабая локализация и полносвёрточные нейросети (FCN).
- Семантическая сегментация. Часть 2. Продвинутые архитектуры FCN для семантической сегментации.
- Детектирование объектов.
- От дискриминативных моделей к генеративным. Style transfer.
- Генеративные состязательные сети.
- Введение в NLP.
- NLP на нейросетях. Рекуррентные нейросети, классификация текстов.
- NLP на нейросетях. Языковые модели, Attention, Transformer.
- Обучение с подкреплением. Q-Learning.
- Обучение с подкреплением. Deep Q-Learning.
- Ускорение и оптимизация нейронных сетей.
- Внедрение в DL моделей в Production.
- Рекомендательные системы.
- Вывод моделей машинного обучения в production, post production и мониторинг.
Английский для IT
- Как стать первоклассным программистом.
- Как искать заказы на разработку.
- Личный бренд разработчика.
- Photoshop для программиста.
- Вёрстка email-рассылок. Советы на реальных примерах.
- The state of soft skills.
- Как мы создавали карту развития для разработчиков.
- Как общаться по email и эффективно работать с почтой.
- Повышение своей эффективности.
- Спор о первом языке программирования.
- Саморазвитие: как я не усидел на двух стульях и нашёл третий.
- Data-driven подход к продуктивности — инсайты из данных миллиона людей.
- IT Resume and CV.
- Job interview: questions and answers.
- Teamwork.
- Workplace communication.
- Business letter.
- Software development.
- System concept development and SRS.
- Design.
- Development and Testing.
- Deployment and Maintenance.
Зарегистрируйтесь
, чтобы посмотреть скрытый авторский контент.