Новости
Программы
О школе
Главная
Мнения
© 2022 АНО «Моспром» – Все права защищены
Технологии связи
Аддитивные технологии
Искусственный интеллект
Микроэлектроника и фотоника
Пром. дизайн
Робототехника и сенсорика

Базовый курс по аддитивным технологиям (HARZ Labs)

Data Science Pro. Специалист по большим данным

Искусственный интеллект
Главная
Искусственный интеллект
262 часа
МГТУ им. Н.Э. Баумана

Образовательная организация

Московский государственный технический университет им. Н. Э. Баумана – российский национальный исследовательский университет, научный центр, особо ценный объект культурного наследия народов России. Готовит инженеров для высокотехнологичных отраслей науки и техники более чем по 100 направлениям

Для кого

Все желающие получить новую цифровую профессию специалиста Data Science.
Продолжительность
262 академических часа:
  • 147 часов - лекции и практические занятия
  • 115 часов - изучение дополнительных материалов, выполнение заданий, консультации с преподавателями

Стоимость

120 000 р.

Документ по окончании обучения

Диплом о профессиональной переподготовке установленного образца МГТУ им. Н.Э. Баумана

Формат обучения

Размер группы

5–15 человек
Очно и онлайн
Описание курса
Программа профессиональной переподготовки разработана для знакомства с основными технологиями и подходами анализа данных и предназначена для тех, кто хочет освоить новую востребованную цифровую профессию специалиста по большим данным, начиная с базового уровня.
Модули
  • Введение в big data. Знакомство с основными понятиями. Статистика.
  • Базы данных, их типы и моделирование. Взаимодействие пользователей с данными.
  • Языки программирования, среды исполнения и основные операционные системы, которые используются в задачах big data.
  • Основной pipeline машинного обучения и dataflow, облачные платформы.
  • Парсинг данных, подготовка выборки, препроцессинг и балансировка данных.
  • Обучение без учителя. Работа с размерностью и структурой данных.
  • Теория вероятности и вероятностные классификаторы
  • Классификация. Оценка качества алгоритма.
  • Ансамбли и повышение точности алгоритмов.
  • Регрессия.
  • Нейронные сети.
  • Рекомендательные системы.
  • Разработка компьютерных программ: написание программного кода и решение практических задач с применением нейронных сетей.
  • Создание приложений, интеграция в ИТ-ландшафт.
Подать заявку на обучение