Машинное обучение в прикладных задачах

Научитесь анализировать временные ряды. Узнаете, как создавать табличные данные из временных рядов и решать для них задачу регрессии.
Научитесь предобрабатывать тексты и решать для них задачи классификации и регрессии. Узнаете, как с помощью различных подходов вычислять эмбеддинги — векторные представления слов. Научитесь пользоваться state-of-the-art моделями, основанными на трансформерах, — современной архитектуре нейронных сетей.
Научитесь решать простые задачи компьютерного зрения с привлечением готовых нейронных сетей. Познакомитесь с классическими компьютерном зрении. Заглянете в мир Deep Learning.

Часов в программе

25,00 часов

лекции

50,00 часов

практика

50,00 часов

самостоятельная

20,00 часов

промежуточная аттестация

145,00 часов

всего

Материально-технические условия реализации программы:

Вид занятий: Работа в интерактивной онлайн-среде Яндекса
Требуемое ПО:
Google Docs, Google Sheets, MS Office, браузер Google Chrome и/или Яндекс.Браузер,

Учебно-методические материалы

Методы, формы и технологии

Онлайн-тренажёр и интерактивный учебник на LMS Яндекс.Практикума, Практические задания, самостоятельная работа, вебинары и Q&A сессии с наставниками и экспертами курса.

Методические разработки

Тесты, презентации, чек-листы, инструкции практические задания.

Материалы курса

Все материалы расположены в интерактивном учебнике в LMS Яндекс.Практикума

Учебная литература

Большая часть источников для нашей программы — это авторские материалы. Более 100 экспертов, задействованных в разработке и оперировании курса. Также мы следим и постоянно обновляем информацию о технологиях и методах внутри интерактивного учебника. В личном кабинете студента есть также список дополнительной литературы в темам курса.

Темы

Тема 1. Временные ряды Тема 2. Обработка естественного языка Тема 3. Компьютерное зрение Тема 4. Мастерская

Лекции
5,00ч

Самостоятельная работа
10,00ч

Всего
15,00ч

Промежуточная аттестация 20,00 часов

Примените навыки, полученные в предыдущих модулях. Выполняя проект, подведёте итоги вашего знакомства со специализациями Data Science.