EDU 4 YOU
Курс Data Science & Machine Learning: crash course
Тільки найголовніше від кращих спеціалістів
29.02.20 - 25.04.20
6 субот
10.00 – 17.00
м. Київ,
пр. Перемоги 54/1
Коротко про курс:
У сучасному світі важко уявити ефективне ведення бізнесу без якісного аналізу даних та побудови ефективних стратегій на основі знань, отриманих з даних різної природи. Курс дозволить вам опанувати практичні навички в аналізі даних, побудові алгоритмів машинного навчання та навчитися застосовувати їх у реальних бізнес кейсах.

На вас чекає оптимальне поєднання необхідної теорії та практичних завдань для ефективного засвоєння матеріалу. А також цікавий курсовий проект наприкінці курсу, під час роботи над яким ви зможете закріпити отримані знання та проявити себе у розв'язанні практичних задач бізнесу. Крім того, цей курс може стати прекрасним стартом для більш глибокого занурення у світ машинного навчання та базою для вивчення нових state-of-the-art підходів. Тож чекаємо на вас!
Ключові факти про курс:
20 місць у групі
Навчання проводиться у групах до 20 чоловік, що дозволяє усім засвоїти матеріал та поспілкуватися зі спікером
Початковий рівень
Буде цікаво слухачам початкового рівня підготовки
30 годин
Інтенсивної та насиченої роботи, націленої на результат. За цей час будуть зформовані практичні знання і ви зможете відразу почати застосовувати їх!
Цей курс дасть вам такі результати:
Ви дізнаєтесь, що таке Data Science та Machine Learning і як це застосовується для розв'язання задач бізнесу
Ви навчитесь впевнено використовувати сучасні інструменти для побудови алгоритмів аналізу даних та прогнозування
Ви будете розуміти, що лежить «під капотом» алгоритмів машинного навчання та як застосовувати фундаментальні знання для грамотного аналізу даних
Ви зможете втілювати отримані знання у роботі над власними бізнес кейсами
Процес навчання можна подивитися в нашій галереї, задати всі питання особисто можна по телефону чи e-mail

або

у соціальних мережах
Ваші майбутні професії
Бізнес аналітик
фахівець, що використовує методи бізнес-аналізу для аналізу потреб діяльності організацій з метою визначення проблем бізнесу і пропозиції їх вирішення
Фінансовий аналітик
спеціаліст, який проводить аналіз фінансової діяльності підприємства і дає рекомендації з планування та підвищення його економічної ефективності
Data analyst
професіонал, який досконало володіє специфічними методами аналізу і займається аналізом даних в конкретній галузі або дослідженнями та узагальненями в певній сфері діяльності
Data scientist
це експерт, який за допомогою обробки та аналізу даних, знаходить логічні зв'язки в системі, що допомагають приймати управлінські бізнес-рішення
Програма створена справжнім професіоналом своєї справи з багаторічним досвідом!
Тетяна Манжос
Data scientist, Ciklum
Data scientist в компанії Ciklum
Кандидат фізико-математичних наук, доцент, КНЕУ імені Вадима Гетьмана, 10+ років досвіду у економіко-математичному моделюванні, автор курсу "Maths for Data science", автор наукових публікацій у міжнародних виданнях та монографії з економіко-математичного моделювання
Тетяна розробила для вас круту програму!
Програма курсу
Data Science & Machine Learning: crash course
29.02.2020, 10:00 - 17:00

14.03.2020, 10:00 - 17:00
21.03.2020, 10:00 - 17:00

04.04.2020, 10:00 - 17:00
11.04.2020, 10:00 - 17:00

25.04.2020, 10:00 - 17:00
29.02.2020, 10:00 - 17:00
Заняття 1. Вступ до Data Science. Основи Python
⮚ Вступ до Machine Learning та Data Science

⮚ Знайомство з мовою програмування Python
- Огляд прикладів застосування Python в аналізі даних та основних бібліотек
- Установка Anaconda, середовище Jupyter Notebook
- Можливості застосування платформи Google Colaboratory

⮚ Синтаксис, типи даних, оператори, цикли, функції
- Типи даних, змінні, логічні вирази
- Умовні оператори, множинне розгалуження
- Цикли
- Незмінювані та змінювані колекції: кортежі, множини, списки, словники; list comprehension
- Функції

⮚ Модуль NumPy
- Багатовимірні масиви, їх створення
- Робота з масивами
- Корисні функції

⮚ Модуль Pandas
- Основні типи даних: Series, DataFrame
- Читання і запис
- Базові операції, індексація та селекція
- Групування і агрегація
- Зведені таблиці

⮚ Візуалізація даних в Python
- МодульMatplotlib
- Модуль Seaborn

Практичний блок: розв'язання задач
14.03.2020
21.03.2020, 10:00 - 17:00
Заняття 2-3. Математика та статистика для аналізу даних
⮚ Лінійна алгебра, n-вимірний векторний простір
- Базові поняття: матриця, визначник, n-вимірний лінійний векторний простір
- Матричні операції; обернена матриця
- Векторна алгебра: вектор, норма вектора, кут між векторами, скалярний добуток
- Розв'язання задач з використанням модуля NumPy

⮚ Основи математичного аналізу, методи оптимізації. Модуль SciPy
- Функція, способи задання, графік; види функцій
- Поняття похідної, формули та правила диференціювання; застосування похідної - Функція багатьох змінних; частинні похідні, похідна за напрямом, градієнт
- Методи оптимізації: градієнтний спуск та його модифікації
- Модуль SciPy: чисельні методи, оптимізація

⮚ Основи теорії ймовірностей
- Випадкові події, ймовірність, основні формули
- Випадкові величини, числові характеристики
- Основні закони розподілу: біноміальний, рівномірний, нормальний, експоненційний
- Двовимірна випадкова величина; числові характеристики, поняття коваріації та кореляції

⮚ Статистичний аналіз та візуалізація
- Види даних, генеральна сукупність і вибірка. Обробка первинного статистичного матеріалу, графічне представлення
- Числові характеристики: центральної тенденції (середнє, мода, медіана), положення (квантилі), розсіювання (дисперсія, стандартне відхилення, розмах, інтерквартильний розмах, коефіцієнт варіації), форми (асиметрія, ексцес); коробчаста діаграма
- Математична статистика вивідна: оцінка параметрів та перевірка статистичних гіпотез

Практичний блок: статистичний аналіз та візуалізація даних з допомогою пакетів Pandas, SciPy, Matplotlib, Seaborn на прикладі заданого датасету
04.04.2020
11.04.2020, 10:00 - 17:00
Заняття 4-5. Навчання з учителем (supervised learning): задачі регресії
⮚ Види машинного навчання та основні поняття

⮚ Лінійна регресія
- Задача регресії, функція витрат
- Градієнтний спуск у випадку лінійної регресії, стохастичний градієнтний спуск

⮚ Оцінка якості алгоритму, перенавчання та методи регуляризації
- Метрики в задачах регресії
- Underfitting/overfitting
- Методи регуляризації, Ridge та LASSO регресія
- Крос-валідація, підбір гіперпараметрів

⮚ Робота зі змінними: нелінійні перетворення, масштабування, кодування категоріальних змінних, методи заповнення пропусків

⮚ Дерева рішень

⮚ Метод k найближчих сусідів

⮚ Ансамблеві методи
- Випадковий ліс (random forest)
- Градієнтний бустінг

Практичний блок: розв'язання задачі регресії на реальних даних, повний цикл побудови моделі
25.04.2019, 10:00 - 17:00
Заняття 6. Навчання з учителем (supervised learning): задачі класифікації. Базові підходи до роботи з текстовими даними.
⮚ Задачі класифікації: бінарна та мультикласова класифікація

⮚ Лінійні моделі
- Логістична регресія і метод максимальної правдоподібності
- Метрики в задачах класифікації
- Точність, повнота та їх поєднання
- Регуляризація логістичної регресії

⮚ Робота з текстовими ознаками
- Мішок слів (bag-of-words)
- Tf-idf кодування
- Наївний баєсівський класифікатор

⮚ Дерево рішень та метод k найближчих сусідів у випадку класифікації

⮚ Ансамблеві методи в задачах класифікації
- Випадковий ліс (random forest)
- Градієнтний бустінг

Практичний блок: розв'язання задачі класифікації на реальних даних, повний цикл побудови моделі

А ще будуть
Питання та відповіді
Можна ставити питання та отримати на них відповіді
Кава
Між блоками будуть кава-паузи і перерва на обід. В цей час ти зможеш поспілкуватися зі спікером та знайти нових друзів
Спілкування
Можливість познайомитися з людьми, яких цікавлять ті ж речі, що й себе
Від тебе ми очікуємо наступне:
Власний ноутбук
Для ефективної роботи ти маєш прийти на заняття з власним ноутбуком
Бажання навчатися
Ми підготували цікаву навчальну програму, але без зусиль слухача результат буде не таким, як ми очікуємо
Аналітичні здібності
Аналітичні здібності або бажання їх розвинути
Після проходження курсу ти отримаєш
Сертифікат
Матеріали курсу
Знижка 10 % на будь-який наш курс
Але найголовніше, що
ти навчишся працювати з даними, що допоможе тобі приймати тактичні та стратегічні рішення
12 000 грн*
Вартість навчання
*Хочеш отримати знижку?
Рання реєстрація і оплата
Запишися на курс і сплати за участь до
17 лютого і отримай знижку 10 %
нова ціна
10 800 грн
Зареєструватися
Ти вже проходив наш курс
Якщо ти навчався на наших курсах раніше, в тебе вже має бути сертифікат зі знижкою 10 %
нова ціна
10 800 грн
Зареєструватися
Зареєструватися на курс
Заповни форму і ми надішлемо лист з підтвердженням реєстрації
Прізвище та ім’я
Хочу підписатися на розсилку новин
*Натискаючи на кнопку, ви даєте згоду на обробку персональних даних та погоджуєтеся з політикою конфіденційності
Поділися з друзями :)
Якщо цей курс здається тобі корисним, розкажи про нього друзям!
Made on
Tilda