Все курсы
Практический курс Визуализация данных на языке Python
| Код курса | Даты начала курса | Стоимость обучения | Длительность обучения | Формат обучения |
|---|---|---|---|---|
| VIP | по запросу |
54 000 руб. | 32 ак.часов | По записям или корпоративный |
| Регистрация | ||||
О курсе: Данный курс направлен на освоение базовых принципов графического представления информации. В рамках программы рассматриваются ключевые методы преобразования наборов данных в интуитивно понятные графические формы, способствующие выявлению скрытых паттернов, аномалий и структурных взаимосвязей. Участники освоят инструментарий популярных Python-библиотек (Matplotlib, Seaborn, Plotly, Pandas, Bokeh) для решения задач анализа распределений, временных рядов, многомерных зависимостей и статистических закономерностей. Особое внимание уделяется интеграции визуализации в процессы предобработки данных и их интерпретации. Программа ориентирована на формирование практических компетенций: 80% времени отводится на решение прикладных задач с минимумом теории.
Аудитория:
Аналитиков Big Data и разработчиков, стремящихся улучшить навыки презентации результатов анализа;
Руководителей, работающих с data-driven стратегиями;
Специалистов ML, нуждающихся в инструментах интерпретации моделей
Предварительная подготовка:
Уверенное владение Python (написание скриптов, работа с библиотеками);
Базовое понимание математического анализа (производные, интегралы) и статистики (распределения, гипотезы).
Что Вы Освоите:
- Фундамент NLP: Операции предобработки текста (стемминг, лемматизация, векторизация) и решение базовых задач (классификация, распознавание).
- Продвинутые Нейросети: Практическое применение BERT, GPT-2 и других современных моделей для решения сложных NLP-задач.
- Анализ и Генерация: Создание моделей для анализа текстов, звука, а также для генерации нового текстового контента.
Промышленное Развертывание:- Освоение технологий для вывода NLP-решений в production:
- Веб-фреймворки: Flask, Falcon, Django.
- Контейнеризация: Docker.
- Облачные сервисы (обзор).
- Сквозной Проект: Вы самостоятельно создадите и развернете собственный production-сервис для решения NLP-задач.
Кто проводит курс
Ермилов Дмитрий
Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
- Ведущий Data Scientist в ФГУП “Центр информационных технологий”, Москва
- Руководитель программ в Университете искусственного интеллекта, Москва.
- Кандидат наук (2017 год, Московский государственный университет им. М.В. Ломоносова, Москва)
Конорев Олег
Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
- Руководитель группы Data Science в НИИ “Квант”, Москва
- Computer vision (CV) – решение задач по классификации и детектировании объектов на фото и видео, идентификации человека, сегментации изображений и распознаванию текста с библиотеками OpenCV, Tensorflow API и архитектурами нейронных сетей Yolo, SSD, fRCNN, U-net и пр.
- Natural language processing (NLP) – решение задач по классификации текстов, извлечению именованных сущностей (NER) и ключевых слов с библиотеками gensim, nltk, fasttext, spacy и др. Построение различных архитектур на основе искусственных нейронных сетей с использованием различных представлений слов (Embedding, Word2Vec) и готовых нейросетевых решений (Bert, fastai)
- Time series analysis – решение задач обработки, анализа и классификации аудио сигналов с библиотеками librosa, ffmpeg и различных архитектур нейронных сетей, а также предсказание значений временных рядов (time series forecasting) в приложении к котировкам активов с использованием классических решений (ARMA, ARIMA) и моделей на базе сверточных нейронных сетей (CNN), рекуррентных нейронных сетей (LSTM,GRU) и их комбинаций.
- Проекты сегментации сигналов с различных датчиков и приборов и распознавания речи (speech-to-text) с облачными сервисами Yandex и Google.