Машинное обучение и анализ данных

За 3 дня занятий (24 академ.час.) вы научитесь:
- выявлять возможность применения искусственного  интеллекта, 
- применять и контролировать разработку машинного обучения в ИТ-проектах, 
- правильно обсуждать вопросы машинного обучения с заказчиком, подрядчиком, коллегами, подчиненными.
Как результат — вы получите удостоверение о повышении квалификации/сертификат производителя и умение внедрять технологии машинного обучения.
Занятия будут проводиться в удаленном формате через интернет: в режиме реального времени с выполнением необходимых практических заданий под онлайн-руководством преподавателя. 

Даты проведения: 04 – 06.09.2024 г.

Программа курса.

1. Машинное обучение (8 ак.ч.)
• Основные понятия
1.1. Виды машинного обучения
• Классический ML: задачи регрессии, классификации, кластеризации
• Deep Learning – глубокое обучение
• NLP – задачи обработки естественной речи
• CV – задачи компьютерного зрения
• RL – обучение с подкреплением
1.2. Жизненный цикл модели ML
• Аналитика данных
• Подготовка данных к машинному обучению
• Обучение с учителем. Разделение выборок.
• Метрики оценки качества
• Обучение без учителя
1.3. Внедрение и эксплуатация решений с ML

2. Основы Python (8 ак.ч.)
2.1. Введение в Python
• История, применение, стандарты
• Интерпретатор Python
• Среды исполнения, IDE
2.2. Типы данных
• Динамическая типизация и преобразования типов
• Структуры данных
• Изменяемые и неизменяемые объекты
• Списки, множества и словари
2.3. Условные выражения и циклы
2.4. Функции
• Встроенные и пользовательские функции
• Аргументы функции и возвращаемое значение
• Область видимости
• Лямбда-функции
2.5. ООП
• Основные принципы и понятия ООП
• Объявление и вызов метода класса
• Магические методы класса
• Жизненный цикл объекта класса
• Атрибуты объекта и класса, параметр Self
• Наследование, делегирование и полиморфизм

3. Практическое занятие по разработке ML-модели (8 ак.ч.)
В зависимости от уровня подготовки слушателей и от существующих задач.