О специализации
Мы начнём с изучения инструментария Python для анализа данных: разберёмся, как с его помощью можно собирать данные из разнообразных источников, искать и устранять в них проблемы, делать первичную аналитику. В следующих курсах мы познакомимся с классическим машинным обучением (и дойдём до композиций моделей, которые являются стандартом для работы с табличными данными) и статистическими методами и их приложениями для анализа моделей, работы с временными данными и A/B-тестирования. Наконец, мы изучим ключевые разделы глубинного обучения: узнаем, как обучаются современные нейронные сети и как именно они позволяют добиваться мощных результатов при анализе изображений и текстов. Во всех курсах нашей специализации есть как классические лекции, так и практические занятия. Помимо тестовых заданий на знание теории, слушателей ждет решение различных практических задач, в большинстве случаев построенных на реальных данных
Курсы
Вы научитесь
1. Генерировать случайные величины из различных распределений и решать задачи с помощью симуляций
2. Работать с API разных сервисов, писать парсеры для сбора данных, делать предобработку и предварительный анализ данных
3. Понимать, какой смысл стоит за различными распределениями, центральной предельной теоремой и законом больших чисел
4. Работать с временными рядами и простейшими байесовскими моделями
Преподаватели
Ульянкин Филипп Валерьевич
Департамент больших данных и информационного поиска: Приглашенный преподаватель
Документ об окончании
После успешного освоения материалов курса выдается сертификат установленного НИУ ВШЭ образца