+7 (495) 675-58-56
Москва, ул. Автозаводская, 17, корп. 4
Программирование на языке Python

Интеллектуальный анализ данных на языке Python. Дистанционно.

Чему вы научитесь:
В результате освоения учебного курса слушатели должны знать:
методы проектирования архитектуры программного обеспечения в области искусственного интеллекта.
процессы и технологии разработки программного обеспечения в области искусственного интеллекта.
В результате освоения учебного курса слушатели должны уметь:
использовать объектно-ориентированный анализ для разработки программного обеспечения в области искусственного интеллекта;
проектировать архитектуру программного обеспечения в области искусственного интеллекта;
В результате освоения учебного курса слушатели должны владеть:
• современными стандартами и методиками, интеллектуального анализа данных на языке Python.
12 000 руб.
Что входит в курс:

Курс рассчитан на 24 часа (1 месяц обучения).

при изучении курса слушатели получат представление об информационных и коммуникационных технологиях в деятельности офиса, технологиях работы с текстовыми документами, элементах офисного программирования, технологиях использования табличного процессора Excel, организации взаимодействия офисных приложений.

Материалы курса. Модули.

Общая информация о языке. Типы. Структуры данных и встроенные функции. Циклы - for и while. Модули
Реализация типов в Python. Создание массивов NumPy. Генерация случайных чисел. Атрибуты массивов. Индексация массива. Срезы и подмассивы. Изменение формы массива (reshaping). Векторизованные вычисления. Агрегирующие функции. Агрегирование многомерных массивов. Кумулятивные функции. Broadcasting. Агрегирование булевых массивов. Комбинирование булевых массивов с помощью логических операторов. Булевые маски для фильтрации
Series - одномерная структура данных. DataFrame - двухмерная структура данных. Выбор данных и индексация. Атрибуты loc и iloc. Пропуски в данных. Определение и удаление пропусков. Заполнение пропусков значениями. Индексы в pandas. Сохранение и выравнивание индексов. Иерархические (множественные) индексы. Агрегирование в pandas. Group by - группировка данных в pandas. Трансформация. Сводная таблица (pivot tables). Объединение нескольких наборов данных
Дерево решений. Метод ближайших соседей. Выбор параметров модели и кросс-валидация. Практические примеры машинного обучения. Деревья решений и метод ближайших соседей в задаче прогнозирования оттока клиентов телеком-оператора. Деревья решений и метод ближайших соседей в задаче распознавания рукописных цифр MNIST. Плюсы и минусы деревьев решений и метода ближайших соседей. Машинное обучение с помощью Scikit learn

Требования

Курс рассчитан на пользователей и программистов, владеющих языком программирования. Приветствуется, но не обязательно, знание языка Python.

Описание


Курс рассчитан на 24 часа (1 месяц обучения).

Цели кура:
• применение базовых и специальных знаний в области современных информационных технологий для решения задач в области искусственного интеллекта;
• постановка и решение задач комплексного анализа, связанных с созданием новых информационных технологий и информационных систем в экономике, с использованием базовых и специальных знаний, современных аналитических методов и моделей в области искусственного интеллекта.
Изучаемые программные продукты и технологии:
Python, NumPY, Pandas, Sklearn
Все права защищены РООИ Стратегия 2019г.
Создание сайта - студия “Это-Веб”