Анализ данных и машинное обучение

методы, алгоритмы и инструментальные средства искусственного интеллекта;
задачи, которые возможно решать при помощи систем искусственного интеллекта

идентифицировать задачи систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей
строить задачи и разрабатывать алгоритмы и программные средства для ее решения с использованием методов искусственного интеллекта
формировать требования к решению задач с использованием систем искусственного интеллекта

типы данных и их свойства;
алгоритмы машинного обучения и логику их построения;
статистические и математические алгоритмы, которые лежат в основе моделей машинного обучения

разрабатывать методы машинного обучения в зависимости от решаемой задачи%
определять критерии оценки качества моделей машинного обучения%
определять метрики качества моделей машинного обучения

техническими средствами для построения моделей машинного обучения

алгоритмы машинного обучения и логику их построения;
статистические и математические алгоритмы, которые лежат в основе моделей машинного обучения

формулировать задачи анализа данных на языке алгоритмов машинного обучения;
осуществлять оценку и выбор инструментальных средств для решения поставленной задачи;
осуществлять подготовку и разметку структурированных и неструктурированных данных для машинного обучения библиотек языка программирования Python (Pandas, sciPy, NumPY, Matplotlib);
делать выводы и интерпретировать полученные результаты на языке предметной области;
использовать методы машинного обучения в зависимости от решаемой задачи;
оценивать качество построенной модели машинного обучения;
осуществлять построение предсказательных моделей

техническими средствами для построения моделей машинного обучения

алгоритмы сбора данных из открытых источников
библиотеки и фреймворки для осуществления сбора данных;
алгоритмы подготовки (очистки и предобработки) данных для систем ИИ;
проблемы данных и процесс их подготовки

работать с документацией API для сбора данных
определять эффективный алгоритм сбора данных в зависимости от задачи и источника данных;
преобразовывать данные в необходимый формат;
работать с различными форматами и структурами данных;
осуществлять сбор данных с помощью библиотек языка программирования Python (Selenium, Scrapy, Requests, BeautifulSoup);
осуществлять подготовку и разметку структурированных и неструктурированных данных для машинного обучения библиотек языка программирования Python (Pandas, sciPy, NumPY, Matplotlib)

технологиями сбора данных из открытых источников для решения задач машинного обучения;
технологиями подготовки (очистки и предобработки) данных для решения задач машинного обучения

алгоритмы сбора и обработки данных;
алгоритмы исследовательского анализа данных;
статистические методы и алгоритмы машинного обучения для анализа данных

проводить исследования данных, выявлять закономерности и делать выводы на основе анализа
осуществлять сбор, обработку и анализ различных типов данных;
применять алгоритмы машинного обучения для классификации, сегментации и предиктивной аналитики

технологиями сбора, обработки и представления больших данных