Data Scientist [2021] [TeachMeSkills] [Богдан]

Toxich · 7 сен 2021

Data Scientist [2021]
TeachMeSkills
Богдан

Научим Data Science с нуля за 7,5 месяцев.

Кем ты станешь:
С развитием технологий и повсеместным использованием гаджетов все легче становится собирать различные данные о том, что происходит в мире — от наших кликов в интернет-пространстве до структуры развития человеческого генома. Для того, чтобы уметь обращаться с этими данными, и существует Data Science. Какую песню предложить тебе для прослушивания? Как определить, где пешеход, а где встречная машина во время движения? Как спрогнозировать изменение цен на криптовалюту в будущем? На этом курсе ты сможешь понять, как работают все вышеперечисленные алгоритмы, а также научишься строить свои предиктивные модели, используя фреймворки TensorFlow и PyTorch.

Твой результат в конце курса:
1. Выучишь основные алгоритмы машинного обучения и натренируешь свои модели
2. Построишь и обучишь глубокие нейронные сети, определишь архитектурные параметры
3. Используешь лучшие методики для оценки качества моделей и их оптимизации
4. Научишься стратегиям end-to-end, транcфера и многозадачного машинного обучения
5. Построишь сверточные и рекурентные нейронные сети, используя фреймворки PyTorch и TensorFlow
6. Станешь востребованным специалистом в сфере Data Science

Модуль 1 - Введение

Краткий обзор курса и задач Machine Learning

Что такое Machine Learning, Data Science, AI

Google Colab, Jupyter Notebook, настройка среды

Модуль 2 - Python для Data Science

Введение в Python

Основы работы с Python

Модуль 3 - Системы контроля версий - Git

Git - введение

Git Flow

Git - практика

Модуль 4 - Основы Python (типы и структуры данных)

Операторы, выражения

Числа с плавающей точкой (int/float)

float 2

Базовые коллекции 1 - list (списки)

Базовые коллекции: cтроки

Базовые коллекции: словари и множества

Базовые коллекции: кортежи

Модуль 5 - Основы Python (логические выражения и циклы)

Условный оператор if, ветвления

Условный оператор if: продолжение

Цикл while

For: циклы со счетчиком

For: циклы со счетчиком, часть 2. Функция range

Цикл for: работа со строками

Вложенные циклы

Модуль 6 - Основы Python (функции)

Функции

Методы для работы со списком

List comprehensions

Функции — Рекурсия

Модуль 7 - Основы Python (классы)

Классы

Модуль 8 - 9 - Манипуляции с данными. Базы данных и SQL

Изучить основные методы и структуры данных библиотеки Pandas

Извлечение данных, визуализация результатов

Группировка, подсчет метрик

Преобразование данных

Базы данных

SQLite

SQL запросы

ORM

Модуль 10 - PostgreSQL и SQLAlchemy

Сложные запросы

PostgreSQL

SQLAlchemy

Функции и триггеры

ORM

Модуль 11 - 12 - Базовый математический уровень для Data Science и реализация в Python

Линейная алгебра (Основы матричного исчисления), векторы, векторное пространство

Вычисления с помощью NumPy

Матрицы. Реализация матричных операций на языке Python

Основы теории вероятности и математической статистики. Основы мат. анализа

Распределения, доверительные интервалы

Корреляция

Базовый эксплоративный анализ и визуализация данных

Работа с данными в Pandas

Модуль 13 - Data Visualization

Визуализация данных в Matplotlib

Plotly

Модуль 14 -15 - Классические Machine Learning-алгоритмы

Обучение с учителем/без учителя/с подкреплением

Функция ошибок

Градиентный спуск

Линейная регрессия

Модуль 16 - 17 - Продолжаем с линейной регрессией

Множественная линейная регрессия

Классификация (логистическая регрессия)

Переобучение (регуляризация)

Недообучение

Другие алгоритмы (Метод опорных векторов)

Модуль 18 - Введение в нейронные сети

Понятие нейронных сетей. Нейрон. Многослойный персептрон

Функции активации

Learning (Forward, Backpropagation)

Смещение/разброс (Bias/Variance)

Кривые обучения (Learning curves)

Метрики оценки

Модуль 19 - 20 - Ансамблевые методы

Деревья решений

Ансамблевые методы Boosting/Bagging

Градиентный бустинг

Random Forest

Модуль 21 - Обучение без учителя (Кластеризация)

Метод k-средних

Иерархическая кластеризация

DBSCAN

Выявление аномалий

Модуль 22 - Снижение размерности

Метод главных компонент (PCA)

Стохастическое вложение соседей с t-распределением (T-SNE)

Модуль 23 - Рекомендательная система

Основанная на пользователях

Основанная на контенте

Коллаборационный фильтр

Модели прогнозирования временных рядов

Модуль 24 - Работа с большими данными

Large scale algo

Batching

Cross-Validation

Map reduce

Модуль 25 - 26 - Нейронные сети и Deep Learning

Классификация архитектур нейронных сетей

Виды слоёв (и классификация нейронов)

Обучение: функция потерь, обратное распространение ошибки, оптимизаторы, стохастический градиент

Регуляризация

Ознакомление с библиотеками для Deep Learning

Модуль 27 - 29 - Решение проблем с тренировкой глубоких нейросетей

Улучшаем глубокие нейросети

Оптимизация гиперпараметров, Регуляризция и Оптимизация

Gradient vanishing/explosion

Модуль 30 - 31 - Data Science project pipeline

Structuring Machine Learning Projects

Transfer Learning

Модуль 32 - 34 - Сверточные нейросети

Введение

Операция свертки

Слои в сверточных нейросетях

Базовая структура сверточной нейросети

Классификация объектов

Модуль 35 - 37 - Применение сверточных нейросетей

Object detection

Распознавание лиц

Перенос стилей

Модуль 38 - 42 - Sequence Models

Рекуррентная нейросеть (RNN)

Управляемый рекуррентный блок (GRU)

Долгая краткосрочная память (LSTM)

Двунаправленная RNN/LSTM

Механизм внимания

Модуль 43 - 44 - Основы Natural Language Processing (NLP)

Word2Vec, GloVe и Fastext

BERT

Модуль 45 - 46 - Основы Times Series Prediction

Классические подходы применения статистики

Предобработка временных рядов

Применение Deep Learning

Модуль 47 - 49 - Примеры решений задач СV, NLP, Time Series prediction

Сегментация объектов на изображении

Анализ эмоциональной окрашенности текста

Классификации текста

Модуль 50 - 52 - Основы Computer Science для Data Science

Основы Computer Science (OOП)

Базовые алгоритмы и структуры данных

Инкапсуляция, наследование и полиморфизм

Перегрузка операторов

MRO

Статические методы, методы класса, property

Метаклассы

Классы данных

Модуль 53 - Основы Web

Flask or Fast API

Модуль 54 - 55 - Основы работы в облачных сервисах

Знакомство с AWS

Базы данных на AWS -- RedShift

AWS SageMaker, S3

AWS Textract

Google Cloud Platform

Google Vision

Деплой своего проекта на GCP (App Engine)

Модуль 56 - 57 - Закрепление итогового материала и выбор дипломного проекта

Модуль 58 - Подготовка к техническому собеседованию

Модуль 59 - Онлайн-тренинг "Трудоустройство в IT"

Составление резюме (теория + практика)

Составление профиля на LinkedIn (теория + практика)

Прохождение интервью

Soft skills, которые важны в рамках интервью

Проведение пробного интервью

Модуль 60 - Защита дипломных проектов

Общая стоимость курса: 2800 (BYN)

Продажник