Институт непрерывного профессионального образования

Основы анализа данных и машинного обучения

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.

Требования
Программа предназначена для слушетелей, 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.

Результаты обучения
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.

Модули программы

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.