Karpov.courses, Нерсес Багиян, Алексей Кожарин, Никита Табакаев | Machine Learning для начинающих (2023) WEB-DL [RU] [Части 7 из 7 ]
Автор: Нерсес Багиян, Алексей Кожарин, Никита Табакаев
Производство: Karpov.coursesЖанр: Видеокурс
Описание:ML-инженер - это специалист, который находится на стыке анализа данных и разработки. Он должен уметь писать код, строить математические модели и понимать потребности бизнеса.
Мы составили программу курса таким образом, чтобы любой желающий без сильной математической подготовки смог разобраться со всеми этапами работы: от сбора данных и применения классических алгоритмов до обучения нейросетей и проведения A/B-тестов.
Искать работу в новой профессии непросто, поэтому мы решили поделиться своим опытом и уделили отдельное внимание подготовке к собеседованиям и разбору популярных задач.
Одним словом, у вас в руках перед вами - исчерпывающий starter pack для начала карьеры в ML и Data Science.
Продолжительность: 80:44:23
Качество видео: WEB-DL
Язык озвучки: Русский
1. ПРИКЛАДНАЯ РАЗРАБОТКА НА PYTHON
Python — один из самых популярных инструментов для анализа данных. В этом блоке мы научимся работать с этим языком, познакомимся с основными библиотеками для ML и узнаем, как грамотно использовать Python при командной работе. Также мы посвятим время изучению инструментов для работы с базами данных, как с помощью классического SQL, так и с помощью Python кода. Полученных знаний будет достаточно для работы не только в области анализа данных, но и в классической разработке на Python.
2. МАШИННОЕ ОБУЧЕНИЕ И ПРИЛОЖЕНИЯ
Классические методы машинного обучения — это основа для большинства современных способов анализа данных, например, для оптимизации банковского ценообразования. Мы изучим основной теоретический инструментарий для успешного построения ML-дизайна в острых проблемах реальной индустрии и отточим новые навыки на практике.
3. ОБЗОР ОСНОВ DEEP LEARNING
Глубинное обучение с использованием нейронных сетей появляется тогда, когда классические модели бессильны: детекция объектов с картинки, генерация осмысленного текста, определение тональности звуковой дорожки и многое другое. В данном курсе мы обзорно посмотрим на решения, которые можно сделать с помощью deep learning, и попробуем в них разобраться.
4. СТАТИСТИКА И A/B-ТЕСТЫ
В этом блоке мы изучим основные понятия математической статистики, необходимые для улучшения моделей. Научимся правильно проводить A/B тестирование, чтобы достоверно измерять влияние внедрения ML моделей на продукт и бизнес. Обсудим нюансы при проведении экспериментов и способы оценки метрик при невозможности проведения A/B-теста.
5. СОБЕСЕДОВАНИЯ И КАК ИХ ПРОЙТИ
В последнем блоке курса мы еще раз вспомним основные моменты из всего курса и обсудим, как проходят собеседования на младшего специалиста в машинном обучении, как к ним готовиться и как их проходить. Мы хотим поделиться своим опытом и помочь пройти первый этап в поиске профессии мечты.
Скриншоты:
Время раздачи: по возможности (минимум до появления первых 3-5 скачавших)