| Программы повышения квалификации в рамках проекта «Кадры для цифровой экономики» | Цифровой маркетинг и медиа | Инженерные расчеты в программном комплексе ЛИРА | Основы преподавания Linux для администраторов | Управление службами корпоративной компьютерной сети | Основы информационной безопасности для пользователей | Основы анализа данных и машинного обучения | Кибербезопасность и защита данных | Дизайн цифровых мультимедийных систем | Современные технологии прикладного программирования |

Основы анализа данных и машинного обучения

ОПИСАНИЕ ПРОГРАММЫ:

Востребованность программы определяется активным применением технологий искусственного интеллекта и машинного обучения в производственных и бизнес процессах самых разных компаний и промышленных производств и потребностью подготовки специалистов, владеющих технологиями анализа данных и машинного обучения.


ЦЕЛЬ ПРОГРАММЫ: формирование компетенции цифровой экономики «Способность эффективно применять современные методы и средства анализа данных и машинного обучения для решения прикладных задач» у квалифицированных специалистов различных областей экономики.


ФОРМАТ ОБУЧЕНИЯ: онлайн.

КОЛИЧЕСТВО АКАДЕМИЧЕСКИХ ЧАСОВ: 72 часа.


ПЛАНИРУЕМЫЕ РЕЗУЛЬТАТЫ ОСВОЕНИЯ ПРОГРАММЫ

Знание (осведомленность в областях)

  • Основы языка программирования Python.
  • Основные этапы анализа данных.
  • Основные типы задач анализа данных и машинного обучения.
  • Математические основы и методы решения задач классификации, регрессии, кластеризации, основные метрики качества алгоритмов машинного обучения.
  • Математические основы и возможности нейросетевых методов.
  • Методы предобработки и векторизации текстов.
  • Методы сбора информации из интернет-источников.
  • Методы создания API для доступа к моделям машинного обучения.

Умение (способность к деятельности)

  • Использование языка программирования Python, интерактивных блокнотов Jupiter Notebooks с библиотеками Pandas и Matplotlib для автоматизированного сбора, предварительной обработки, очистки и визуализации данных, конструирования и отбора признаков.
  • Обучение и использование моделей из библиотеки SkLearn для решения задач. машинного обучения с оценкой качества и подбором оптимальных гиперпараметров моделей.
  • Обучение и использование нейросетевых моделей на основе библиотеки. Keras+Tensorflow для задач классификации изображений и текстов, в том числе с использованием переноса обучения.
  • Создание API для доступа к моделям на основе каркаса Flask.

Навыки (использование конкретных инструментов)

  • Эффективное решение прикладных задач на основе данных из различных источников с подбором оптимальных гиперпараметров моделей машинного обучения.
  • Предобработка и классификация текстов и изображений.
  • Создание API для доступа к разработанным моделям.

ИЗУЧАЕМЫЕ МОДУЛИ:

  1. Основы языка программирования Python для анализа данных.
  2. Базовые задачи и методы машинного обучения.
  3. Современные нейросетевые архитектуры.
  4. Автоматизация сбора данных и доступа к моделям машинного обучения.

ТРЕБОВАНИЯ

Программа предназначена для слушателей, имеющих:

  • Образование: высшее или среднее профессиональное.
  • Квалификацию: любую в области информационных технологий.
  • Наличие опыта профессиональной деятельности: базовые навыки работы на компьютере.
  • Предварительное освоение иных дисциплин/курсов /модулей: требуется владение основами цифровой грамотности и алгоритмизации в объеме школьного курса информатики.

Последнее обновление: 23.10.2020
Почтовый адрес:

460018, г. Оренбург,

просп. Победы, д. 13

Телефон:

+7 (35-32) 77-67-70

Факс:

+7 (35-32) 72-37-01

Горячая линия министерства образования Оренбургской области:

+7 (35-32) 34-26-35

+7 (35-32) 34-26-37

+7 (35-32) 34-26-30

       

Официальный сайт федерального государственного бюджетного образовательного учреждения высшего образования «Оренбургский государственный университет».

Соглашение об использовании сайта

© ОГУ, 1999–2020. При использовании материалов сайта гиперссылка обязательна!