यंत्र अधिगम। बेसिक - कोर्स 52,668 रूबल। ओटस से, प्रशिक्षण 6 माह, दिनांक 27 फ़रवरी 2023।

अनेक वस्तुओं का संग्रह / by admin / November 30, 2023

click fraud protection

आप वास्तविक कार्य प्रक्रियाओं से समस्याओं को हल करना सीखेंगे, जो अक्सर डेटा विज्ञान में नौसिखिए विशेषज्ञों को सौंपी जाती हैं। पाठ्यक्रम के अंत तक, आपने काम का एक पोर्टफोलियो, साक्षात्कार की तैयारी और कैरियर परामर्श पूरा कर लिया होगा।

पाठ्यक्रम आपको आवश्यक आधार देगा:
अजगर. आप प्रोग्रामिंग की मूल बातें सीखेंगे और सीखेंगे कि मशीन लर्निंग कार्यों में इस सबसे प्रासंगिक भाषा का उपयोग कैसे करें।
अंक शास्त्र। एल्गोरिदम की सैद्धांतिक नींव और सिद्धांतों को समझने के लिए मुख्य अनुभागों में महारत हासिल करें।
क्लासिक मशीन लर्निंग मॉडल। अपने डेटा सेट एकत्र करें और अपने पहले मॉडल के साथ काम की पूरी पाइपलाइन पूरी करें।

रचनात्मक माहौल:
प्रशिक्षण के दौरान, आप वास्तविक कार्य प्रक्रियाओं के करीब की स्थितियों में डूब जाएंगे। आपको गंदे डेटा से निपटना होगा, आगे सोचना होगा, समाधानों के साथ प्रयोग करना होगा और उत्पादन के लिए मॉडल तैयार करना होगा।
कक्षा का वातावरण छात्रों को जिज्ञासु होने, सक्रिय रूप से चर्चा करने और गलतियाँ करने से न डरने के लिए प्रोत्साहित करता है।

व्यक्तिगत गुरु:
हर सप्ताह 40 मिनट के लिए ऑनलाइन सत्र;
आपके प्रशिक्षण की शुरुआत में, आपको एक सलाहकार नियुक्त किया जाता है। शिक्षकों की तरह, सलाहकार डेटा विज्ञान में काम करने वाले विशेषज्ञ होते हैं;

instagram viewer

सप्ताह में एक बार आप अपना होमवर्क करते हैं, इसे GitHub पर पोस्ट करते हैं और अपने गुरु के साथ कॉल की व्यवस्था करते हैं;
मेंटर आपके कोड से पहले ही परिचित हो जाता है, इसलिए मीटिंग के समय तक उसे पहले से ही पता होता है कि किस पर ध्यान देना है। आप प्रश्न भी तैयार कर सकते हैं;
सत्र के दौरान, सलाहकार आपके निर्णय पर टिप्पणी करेंगे। यदि आवश्यक हो, तो आप तुरंत विकास परिवेश में जा सकते हैं, कोड में परिवर्तन कर सकते हैं और तुरंत परिणाम देख सकते हैं।

प्रशिक्षण के बाद आप सक्षम होंगे:
उन पदों के लिए आवेदन करें जिनके लिए कनिष्ठ दक्षताओं की आवश्यकता है
मशीन लर्निंग विधियों का उपयोग करके वास्तविक व्यावसायिक समस्याओं का समाधान करें
मशीन लर्निंग के लिए पायथन लाइब्रेरी के साथ काम करें
एल्गोरिदम और मॉडल कैसे काम करते हैं, इसकी गहन सैद्धांतिक समझ के माध्यम से गैर-मानक स्थितियों से निपटना
डेटा विज्ञान के विभिन्न क्षेत्रों में नेविगेट करें और कार्य के लिए उपयुक्त टूल का चयन करें।

मारिया तिखोनोवा

अवधि

Sberbank में AGI NLP टीम में डेटा विश्लेषक के रूप में काम करता है। तंत्रिका नेटवर्क भाषा मॉडल और वास्तविक जीवन की समस्याओं में उनके अनुप्रयोग पर काम करता है। उनका मानना है कि डेटा साइंस के क्षेत्र में काम करने से विज्ञान के क्षेत्र में अद्भुत चीजें करने का एक अनूठा अवसर मिलता है जो यहां और अभी दुनिया को बदल रहे हैं। हायर स्कूल ऑफ इकोनॉमिक्स में डेटा विश्लेषण, मशीन लर्निंग और डेटा साइंस विषय पढ़ाते हैं। मारिया ने मॉस्को स्टेट यूनिवर्सिटी के यांत्रिकी और गणित संकाय और यैंडेक्स स्कूल ऑफ डेटा एनालिसिस से स्नातक किया। मारिया वर्तमान में कंप्यूटर विज्ञान संकाय में हायर स्कूल ऑफ इकोनॉमिक्स में स्नातक की छात्रा हैं। उनकी शोध रुचियों में प्राकृतिक भाषा प्रसंस्करण और विषय मॉडलिंग जैसे डेटा विज्ञान क्षेत्र शामिल हैं। कार्यक्रम प्रबंधक

दिमित्री सर्गेव

अवधि

2012 से मशीन लर्निंग और डेटा विश्लेषण का अभ्यास कर रहा हूं। वर्तमान में वेदरवेल में अनुसंधान एवं विकास प्रमुख के रूप में कार्यरत हैं। गेम डेवलपमेंट, बैंकिंग और... में मशीन लर्निंग के व्यावहारिक अनुप्रयोग का अनुभव है।

2012 से मशीन लर्निंग और डेटा विश्लेषण का अभ्यास कर रहा हूं। वर्तमान में वेदरवेल में अनुसंधान एवं विकास प्रमुख के रूप में कार्यरत हैं। गेम डेवलपमेंट, बैंकिंग और हेल्थ टेक में मशीन लर्निंग के व्यावहारिक अनुप्रयोग का अनुभव है। उन्होंने मॉस्को स्टेट यूनिवर्सिटी के गणितीय वित्त केंद्र में मशीन लर्निंग और डेटा विश्लेषण पढ़ाया, और नेशनल रिसर्च यूनिवर्सिटी हायर स्कूल ऑफ इकोनॉमिक्स और विभिन्न ग्रीष्मकालीन स्कूलों के कंप्यूटर विज्ञान संकाय में अतिथि व्याख्याता थे। शिक्षा: अर्थशास्त्र-गणित REU im. प्लेखानोव, मॉस्को स्टेट यूनिवर्सिटी के केंद्रीय गणित और गणित संकाय, हायर स्कूल ऑफ इकोनॉमिक्स के कंप्यूटर विज्ञान संकाय का उन्नत व्यावसायिक प्रशिक्षण "प्रैक्टिकल डेटा विश्लेषण और मशीन लर्निंग", एमएससी कंप्यूटर साइंस आल्टो यूनिवर्सिटी स्टैक/रुचियाँ: पायथन, मशीन लर्निंग, टाइम सीरीज़, विसंगति का पता लगाना, ओपन डेटा, सोशल के लिए एमएल अच्छा

पायथन का परिचय
-विषय 1.एक दूसरे को जानना
-विषय 2. कार्य वातावरण स्थापित करना
-विषय 3.बुनियादी प्रकार और डेटा संरचनाएं। प्रवाह नियंत्रण
-विषय 4.फ़ंक्शंस और डेटा के साथ कार्य करना
-थीम 5.गिट, शैल

पायथन का परिचय. ओओपी, मॉड्यूल, डेटाबेस
-विषय 6. ओओपी के मूल सिद्धांत
-विषय 7.उन्नत ओओपी, अपवाद
-विषय 8.उन्नत ओओपी, जारी
-विषय 9.मॉड्यूल और आयात
-विषय 10.परीक्षण
-विषय 11.अंतर्निहित मॉड्यूल का परिचय
-विषय 12. फ़ाइलें और नेटवर्क

एमएल के लिए पायथन मूल बातें
-विषय 13. NumPy मूल बातें
-विषय 14. पांडा मूल बातें
-विषय 15.डेटा विज़ुअलाइज़ेशन

एमएल के लिए सैद्धांतिक न्यूनतम: गणित, रैखिक, सांख्यिकी
-विषय 16.मैट्रिक्स। बुनियादी अवधारणाएँ और संचालन
-विषय 17.अभ्यास. मैट्रिसेस
-विषय 18. कार्यों का विभेदन और अनुकूलन
-विषय 19.अभ्यास. कार्यों का विभेदन और अनुकूलन
-विषय 20. एल्गोरिदम और कम्प्यूटेशनल जटिलता
-विषय 21.एमएनसी और एमएसई
-विषय 22.अभ्यास. एमएनई और एमएसई
-विषय 23. यादृच्छिक चर और उनका मॉडलिंग
-विषय 24.अभ्यास. यादृच्छिक चर और उनका मॉडलिंग
-विषय 25. निर्भरता का अध्ययन: नाममात्र, क्रमिक और मात्रात्मक मात्राएँ
-विषय 26.अभ्यास. निर्भरता का अध्ययन: नाममात्र, क्रमिक और मात्रात्मक मात्राएँ
-विषय 27.एबी परीक्षण

बुनियादी मशीन सीखने के तरीके
-विषय 28.मशीन लर्निंग का परिचय
-विषय 29.खोजपूर्ण डेटा विश्लेषण और प्रीप्रोसेसिंग
-विषय 30. वर्गीकरण समस्या. निकटतम पड़ोसी विधि
-विषय 31.प्रतिगमन समस्या। रेखीय प्रतिगमन
-विषय 32. लॉजिस्टिक रिग्रेशन
-विषय 33.निर्णय वृक्ष
-विषय 34.फ़ीचर इंजीनियरिंग और उन्नत प्रीप्रोसेसिंग
-विषय 35. व्यावहारिक पाठ - हमने जो कुछ भी सीखा है उसका उपयोग करके कागल को हल करना

परियोजना कार्य
-विषय 36. विषय का चयन और परियोजना कार्य का संगठन
-विषय 37. परियोजना परामर्श
-विषय 38.परियोजना संरक्षण

टैग बादल

अनेक वस्तुओं का संग्रह

रेटिंग

दृश्य

टिप्पणियाँ