Все курсы → Машинное обучение и искусственный интеллект

200

Обучились по программам под заказ работодателей, чел.

535

Обучились по отраслевым программам, чел.

369

Обучились по программам для лиц в возрасте 50-ти лет и старше, чел.

432

Обучились по компетенциям будущего, включая компетенции цифровой экономики, чел.

1500

Обучились по программам профессиональных модулей для СПО, чел.

407

Обучились по программам профессионального обучения (первая профессия), чел.

Вернуться к списку
Вид образованияДополнительное образование (переподготовка)
Категории слушателей 50+, безработные, специалисты
Продолжительность (час.)256
Ближайшее время проведенияпо мере формирования групп
Реализующая площадкаСистема электронного обучения Центра опережающей профессиональной подготовки Ростовской области
Компетенции Машинное обучение и большие данные

Описание курса

Дополнительная профессиональная программа повышения квалификации направлена на совершенствование и (или) получение новой компетенции, необходимой для профессиональной деятельности, и (или) повышение профессионального уровня в рамках имеющейся квалификации.

Программа рекомендуется к освоению лицами, имеющими среднее профессиональное и (или) высшее образование по следующим направлениям подготовки: Информатика и вычислительная техника, Прикладная математика и информатика, Статистика, а также для лиц, имеющих профессиональный опыт работы в области Машинного обучения и больших данных.

По итогам обучения слушатель имеет право на ведение профессиональной деятельности в сфере анализа больших данных.
Категория слушателей: специалисты, безработные, 50+.
Продолжительность обучения – 256 ч.
Форма обучения – очная или очная с применением дистанционных образовательных технологий.

Учебные модули:

  1. Язык программирования Python. Инструментарий работы. PyCharm, JupyterNotebook, Pip, Anaconda, Основы Python: базовые структуры данных, ОсновыPython: ветвящиеся и циклические алгоритмы, ОсновыPython: функции, ОсновыPython: объекты, Библиотека NumPy.
  2. Средства языка Python для задач машинного обучения. Библиотека Pandas. Основные возможности, Библиотека Pandas. Выборка и группировка данных, объединение датасетов, Работа с пропущенными значениями в Pandas. Преобразование датасетов, Визуализация данных в MatPlotLib, SeaBorn, Plotly, Web-скраппинг. BeautifulSoup.
  3. Базовые методы машинного обучения. Методы классификации, KNN, Логистическая регрессия, Деревья решения, Случайный лес, Наивный Байес, Возможности Sklearn. Создание, обучение, оценка и использование классификатора, Оценка модели. Метрики оценок на основе матрицы ошибок. Выбор модели. Тюнинг модели. Методы борьбы с переобучением, Методы кластеризации. K-средних, иерархический метод. Возможности SkLearn по кластеризации.
  4. Продвинутые методы машинного обучения и их приложения. Методы снижения размерности, Методы ассоциативных правил, Обучение с подкреплением, Методы бустинга, Рекомендательные системы.
  5. Искусственные нейронные сети. Математические основы нейронных сетей, Инструментарий нейронных сетей: Keyras, PyTorch, TensorFlow, Сверточные нейронные сети, Рекуррентные нейронные сети, Глубокое обучение, Задача распознавания изображений, Задача распознавания текстов на естественном языке (NLP), Приложения нейронных сетей.

Документ об обучении – диплом о профессиональной переподготовке.

Проводит обучение – Центр опережающей профессиональной подготовки Ростовской области, ГБПОУ РО «Ростовский-на-Дону колледж связи и информатики».