Курс на Stepik
Обложка курса «Анализ данных с применением технологий машинного обучения» на Stepik
Бесплатно

Анализ данных с применением технологий машинного обучения ★ 0.000

Открыть на
STEPIK.ORG

Программа профессиональной переподготовки «Анализ данных с применением технологий машинного обучения» предлагает глубокое изучение взаимосвязи между высокопроизводительными вычислениями и искусственным интеллектом. Слушатели получат навыки работы с передовыми программными платформами и инструментами для анализа больших данных. Программа направлена на создание и обучение интеллектуальных систем принятия решений на основе комплексного анализа.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Анализ данных с применением технологий машинного обучения»Учеников на курсе 836
Сертификаты, выданные на курсе «Анализ данных с применением технологий машинного обучения»Сертификатов выдано 0
Отзывы о курсе «Анализ данных с применением технологий машинного обучения»Отзывов получено 0
Рейтинг курса «Анализ данных с применением технологий машинного обучения»Рейтинг курса 0.000
Уроки в курсе «Анализ данных с применением технологий машинного обучения»Количество уроков 45
Тесты в курсе «Анализ данных с применением технологий машинного обучения»Количество квизов 160
Задачи с кодом в курсе «Анализ данных с применением технологий машинного обучения»Количество задач с кодом 12
Время прохождения курса «Анализ данных с применением технологий машинного обучения»Время прохождения курса —
Обновления курса «Анализ данных с применением технологий машинного обучения»Обновления курса — —
Дата публикации курса «Анализ данных с применением технологий машинного обучения»Дата публикации курса — ———
Последнее обновление курса «Анализ данных с применением технологий машинного обучения»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Анализ данных с применением технологий машинного обучения» 4 раздела Уроки в курсе «Анализ данных с применением технологий машинного обучения» 45 уроков Тесты в курсе «Анализ данных с применением технологий машинного обучения» 160 тестов Задачи в курсе «Анализ данных с применением технологий машинного обучения» 12 задач Время прохождения курса «Анализ данных с применением технологий машинного обучения» 15 ч. Последнее обновление курса «Анализ данных с применением технологий машинного обучения» обн. 1 год назад

Программный инструментарий высокопроизводительных вычислений

16 уроков
1. Введение в HPC ↗
2. Основы работы с NumPy ↗
3. LR1. Выполнение векторно-матричных операций в пакете NumPy ↗
4. Высокопроизводительный pandas и ускорение обработки данных ↗
5. Numba: Ускорение кода Python с помощью JIT-компиляции ↗
6. LR2. Матричные умножения с применением пакета Numba ↗
7. Введение в базы данных ↗
8. Структурированный язык запросов ↗
9. LR3. Проектирование базы данных ↗
10. ​ ​​​​Нормализация базы данных ↗
11. Средства управления данными и NoSQL базы данных ↗
12. LR4. Оператор SELECT языка SQL ↗
13. LR4/HARD. NoSQL for ClickHouse ↗
14. Программно-аппаратная акселерация. Часть 1 ↗
15. Программно-аппаратная акселерация. Часть 2 ↗
16. LR5. Побитовая арифметика специализированных типов данных ↗

Методы машинного обучения

11 уроков
1. Интеллектуальные системы как научное направление ↗
2. Линейная регрессия ↗
3. Задачи классификации. Логистическая регрессия ↗
4. Статические методы обучения. Метод опорных векторов ↗
5. LR1. Линейная регрессия как задача контролируемого обучения ↗
6. LR2. Логистическая регрессия  ↗
7. Интеллектуальные агенты ↗
8. Уменьшение размерности данных ↗
9. Логические методы классификации ↗
10. LR3. Статистические методы обучения. Метод опорных векторов ↗
11. LR4. Кластеризация данных методом k-средних ↗

Основы нейросетевых технологий

7 уроков
1. Нейронные сети и машинное обучение ↗
2. Модели нейрона. Однослойный перцептрон. Логические НС операции ↗
3. Многослойный перцептрон. Нейронные сети прямого распространения ↗
4. Обучение нейронной сети. АОР ↗
5. Нейро-сетевое распознавание символов и текстовой информации ↗
6. Нейронно-сетевая обработка визуальной информации ↗
7. Ассоциативная память. НСХ ↗

Аналитика больших данных

11 уроков
1. Введение в теорию больших данных ↗
2. Работа с признаками ↗
3. Модельный риск ↗
4. LR1. Построение бинарного классификатора ↗
5. LR2. Построение регрессора для предсказания непрерывной величины ↗
6. Ансамблевые методы ↗
7. Анализ временных рядов ↗
8. Рекомендательные системы ↗
9. AutoML ↗
10. LR3. Определение типа дорожного знака ↗
11. LR4. Предсказание эмоциональной окраски отзыва на основе анализа ↗