Ближайшая дата курса: 15.12.2021

Следующая дата курса:

Junior data scientist: младший специалист по анализу больших данных

Образовательный центр МГТУ им. Н.Э. Баумана в целях выполнения программы стратегического академического лидерства «Приоритет-2030» разработал бесплатный курс по направлению анализа данных: «Junior data scientist: младший специалист по анализу больших данных».

В настоящее время работа в сфере Big Data (больших данных) невозможна без искусственного интеллекта, а именно без нейронных сетей. Развитие этого направления приведет к тому, что к 2030 году среднестатистический человек будет взаимодействовать с устройствами, соединенными с сетями, более 5000 раз в день. Соответственно необходимы специалисты, которые будут создавать алгоритмы обработки данных для подачи их в модель нейронной сети, подбирать ее модель и архитектуру, использовать механизмы для решения реальных задач и многое другое. Курс подойдет специалистам, которые обладают базовыми знаниями в анализе больших данных и хотят изучать эту область углубленно, а также планирует профессиональный рост до позиции middle data scientist.

Продолжительность курса составляет 48 академических часов. Занятия включают в себя лекционные материалы, решение практикоориентированных кейсов, домашние задания и итоговое тестирование. Преподаватели – не только ведущие ученые – практики, но и специалисты в области больших данных (Big Data) и науке о данных (Data science).

По окончании курса слушатель получит удостоверение о повышении квалификации установленного образца.

По окончанию курса слушатель будет уметь :

  • выполнять обработку данных и препроцессинг, для подачи их в модель нейронной сети
  • подобрать модель или архитектуру нейронной сети, натренировать и использовать в реальных задачах
  • решать задачи классификации и регрессии с применением нейронных сетей

Во время обучения Вы узнаете:

  1. Введение в нейронные сети. Обзор библиотеки tensorflow.keras
  2. Активационные функции
  3. Полносвязные нейронные сети. Dense слои
  4. Свёрточные нейронные сети. Conv слои
  5. Метрики, минимизация ошибки. Градиентный спуск. Борьба с переобучением.
  6. Построение архитектуры нейронной сети для задач бинарной и множественной классификации.
  7. Анализ аудиосигналов. Особенности препроцессинга и архитектуры нейронной сети.
  8. Сохранение моделей
  9. Работа с предобученными моделями
  10. Введение в рекомендательные системы.
  11. Коллаборативная фильтрация
  12. Content based фильтрация
  13. Similarity based
  14. Сингулярное (SVD) разложение матрицы. Решение проблемы холодного старта.

Продолжительность обучения по программе 59 ак.ч., в том числе 37,5 ак.ч. самостоятельной работы.

59 ак.ч.

59 ак.ч.

Стоимость обучения: бесплатно

Даты

Время

Цена

Место занятий

Преподаватель

Дёминов Марк Маратович

Образование
Физический факультет МГУ, кафедра теоретической физики.

Дополнительное образование
1. Независимый Московский Университет (в настоящее время «Центр непрерывного математического образования»), высший колледж математической физики.
2. Ряд бизнес-тренингов проектного управления и руководства компании Nordic Training International
3. Курсы школы анализа данных Яндекса (искусственные нейронные сети и пр.)

Опыт работы более 16 лет

  • Участие в разработке архитектуры СППР для платформенных решений в области выявления факторов, влияющих на здоровье и качество жизни (персональная предикативная аналитика, «персональный коуч») для проекта Health Heuristics.
  • Формирование пакетов документов грантовых заявок для НТИ (Хелснет). Сопровождение прохождения защит проекта на научном совете НТИ и МРГ.
    Модуль системы поддержки принятия решений по данным телеметрии о прогнозах выхода из строя узлов и агрегатов транспортного средства (заказчик – «АСК-Навигация»). Автоматическое определение по данным вибрационных и иных датчиков статуса износа узлов и деталей – штатная работа, повышенный износ, предкритическое состояние.
  • Tellme Store (постановка задачи парсинга 80 млн. профилей и 450 млн. постов пользователей соц.сетей; разработка методик оценки влияния блогеров в указанной теме на требуемую целевую аудиторию, экспресс-оценка «скоринга» блогера, аналогичная klout score)
  • Разработка и внедрение online-системы учета и сопровождения сервисного обслуживания изделий для представительство BAXI (Италия) в Pоссии (450+ сервисных центров, учет профилей более 1,3 млн реализованных и сопровождаемых изделий.)

После успешного прохождения образовательных программ, предлагаемых МГТУ им. Н. Э Баумана, вы получите один из следующих документов:

серт

Сертификат (на русском языке с дублированием информации на английском языке) установленного образца, в котором будут указаны полное наименование программы и количество часов обучения.

удо

Удостоверение о повышении квалификации (на русском языке), в котором будут указаны полное наименование программы и количество часов обучения.

* Удостоверение о повышении квалификации выдается слушателям, успешно завершившим обучение по образовательным программам повышения квалификации. Тип выбранной Вами образовательной программы Вы можете уточнить у менеджеров.

+ Программа курса

Во время обучения Вы узнаете:

  1. Введение в нейронные сети. Обзор библиотеки tensorflow.keras
  2. Активационные функции
  3. Полносвязные нейронные сети. Dense слои
  4. Свёрточные нейронные сети. Conv слои
  5. Метрики, минимизация ошибки. Градиентный спуск. Борьба с переобучением.
  6. Построение архитектуры нейронной сети для задач бинарной и множественной классификации.
  7. Анализ аудиосигналов. Особенности препроцессинга и архитектуры нейронной сети.
  8. Сохранение моделей
  9. Работа с предобученными моделями
  10. Введение в рекомендательные системы.
  11. Коллаборативная фильтрация
  12. Content based фильтрация
  13. Similarity based
  14. Сингулярное (SVD) разложение матрицы. Решение проблемы холодного старта.

Продолжительность обучения по программе 59 ак.ч., в том числе 37,5 ак.ч. самостоятельной работы.

59 ак.ч.

59 ак.ч.

Стоимость обучения: бесплатно

+ Расписание

Даты

Время

Цена

Место занятий

Преподаватель

+ Преподаватели

Дёминов Марк Маратович

Образование
Физический факультет МГУ, кафедра теоретической физики.

Дополнительное образование
1. Независимый Московский Университет (в настоящее время «Центр непрерывного математического образования»), высший колледж математической физики.
2. Ряд бизнес-тренингов проектного управления и руководства компании Nordic Training International
3. Курсы школы анализа данных Яндекса (искусственные нейронные сети и пр.)

Опыт работы более 16 лет

  • Участие в разработке архитектуры СППР для платформенных решений в области выявления факторов, влияющих на здоровье и качество жизни (персональная предикативная аналитика, «персональный коуч») для проекта Health Heuristics.
  • Формирование пакетов документов грантовых заявок для НТИ (Хелснет). Сопровождение прохождения защит проекта на научном совете НТИ и МРГ.
    Модуль системы поддержки принятия решений по данным телеметрии о прогнозах выхода из строя узлов и агрегатов транспортного средства (заказчик – «АСК-Навигация»). Автоматическое определение по данным вибрационных и иных датчиков статуса износа узлов и деталей – штатная работа, повышенный износ, предкритическое состояние.
  • Tellme Store (постановка задачи парсинга 80 млн. профилей и 450 млн. постов пользователей соц.сетей; разработка методик оценки влияния блогеров в указанной теме на требуемую целевую аудиторию, экспресс-оценка «скоринга» блогера, аналогичная klout score)
  • Разработка и внедрение online-системы учета и сопровождения сервисного обслуживания изделий для представительство BAXI (Италия) в Pоссии (450+ сервисных центров, учет профилей более 1,3 млн реализованных и сопровождаемых изделий.)
+ Документы об окончании

После успешного прохождения образовательных программ, предлагаемых МГТУ им. Н. Э Баумана, вы получите один из следующих документов:

серт

Сертификат (на русском языке с дублированием информации на английском языке) установленного образца, в котором будут указаны полное наименование программы и количество часов обучения.

удо

Удостоверение о повышении квалификации (на русском языке), в котором будут указаны полное наименование программы и количество часов обучения.

* Удостоверение о повышении квалификации выдается слушателям, успешно завершившим обучение по образовательным программам повышения квалификации. Тип выбранной Вами образовательной программы Вы можете уточнить у менеджеров.

+ Отзывы