Middle data scientist: продвинутый специалист по анализу больших данных
Приоритет - 2030
Аналитика и Data Science

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

Глобальная сеть больших данных к 2030 году вырастет до 55 раз, а разработанные алгоритмы позволят чаще и более гибко анализировать данные во многих отраслях и во многих ситуациях. Поэтому для специалиста по данным важнейшим качеством будет являться умение видеть логические связи в системе собранной информации, и на основе количественного анализа разрабатывать эффективные бизнес-решения. Для формирования этих навыков разработан данный курс. По окончании которого слушатели будут разбираться в архитектуре нейронных сетей, в том числе предобученных, решать задачи с их помощью, оптимизировать вычислительные мощности и многое другое. Курс подойдет специалистам, которые обладают базовыми знаниями в анализе больших данных и хотят изучать эту область углубленно.

Продолжительность курса составляет 67 академических часов. Занятия включают в себя лекционные материалы, решение практикоориентированных кейсов, домашние задания, по итогам курса необходимо будет создать свой проект по созданию веб-приложения и защитить его. 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.

Для кого
подойдет этот курс
Программистам

Вы углубите свои знания архитектуры нейронных сетей и обработки больших массивов данных

Аналитикам

Вы изучите основные подходы к разметке и подготовке обучающей выборки при создании нейронных сетей

Чему вы научитесь

Решать задачи компьютерного зрения

Решать задачи обработки естественного языка

Создавать продвинутые архитектуры нейронных сетей на низком уровне

Визуализировать архитектуру нейронных сетей на уровне графов

Программа курса
В этом курсе вас ожидает
1 тематический
модуль
29 академических
часов
Во время обучения Вы узнаете
    • 1. Рекуррентные нейронные сети. LSTM слои
    • 2. Tensorflow, построение нейронных сетей на уровне графов
    • 3. Обзор библиотеки PyTorch. Особенности построения нейронных сетей
    • 4. Построение архитектуры нейронной сети для задач object detection
    • 5. Построение архитектуры нейронной сети для задач segmentation
    • 6. Задачи NLP. Препроцессинга текстовых неструктурированных данных
    • 7. Построение архитектуры нейронной сети для классификации текстов
    • 8. Чат -боты и генерация текста. Особенности построения архитектуры нейронной сети
    • 9. Сегментация текстовых данных
    • 10. Контроль версионности моделей с tesorflow sesrving
    • 11. Развёртывание облачной инфраструктуры. Обзор облачных платформ Google Cloud Platform, AWS, Sbercloud
    • 12. flask приложение. Выведение моделей в production
Требования к подготовке

Среднее профессиональное или высшее образование. Базовые знания в области анализа больших данных, знание языка программирования Python.

Связанные курсы
Задать свой вопрос
+7 495 182-83-85
edu@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00
+7 495 182-83-85
edu@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00