1

Step 1

Математика и Python для анализа данных

14 April—24 April

2

Step 2

Поиск структуры в данных

25 April—15 May

3

Step 3

Прикладные задачи анализа данных

01 May—15 May

4

Step 4

Обучение на размеченных данных

25 April—22 May

5

Step 5

Построение выводов по данным

17 April—22 May

6

Step 6

Анализ данных: финальный проект

22 May—17 July

1

Step 1

Математика и Python для анализа данных

14 April—24 April

2

Step 2

Поиск структуры в данных

25 April—15 May

6

Step 6

Анализ данных: финальный проект

22 May—17 July

3

Step 3

Прикладные задачи анализа данных

01 May—15 May

4

Step 4

Обучение на размеченных данных

25 April—22 May

5

Step 5

Построение выводов по данным

17 April—22 May

14 April 2017 17 July 2017
outdated

Goal abandoned

The author does not write in the goal 3 years 10 months 19 days

Goal author

General

Пройти специализацию "Машинное обучение и анализ данных"

В рамках подготовки к олимпиадам по программированию и работе с данными я хочу пройти специализацию по машинному обучению. Отлично подошли курсы от Яндекса и МФТИ на Coursera. Платить я конечно не собираюсь, я просто хочу научиться. В этой специализации шесть небольших необходимых курсов. Я думаю, это отличный вариант! Но есть разница в том, чтобы пройти курсы и получить новые знания. Для того, чтобы идти по второму пункту я должен конспектировать каждый урок, код писать одновременно с просмотром видео.

 Goal Accomplishment Criteria

Я получил много новых знаний, умею их применять

  1. Математика и Python для анализа данных

    1. Введение

    2. Библиотека Python и линейная алгебра.

    3. Оптимизация и матричные разложения.

    4. Случайность

  2. Поиск структуры в данных

    1. Методы кластеризации

    2. Понижение размерности и матричные разложения

    3. Визуализация данных и поиск аномалий

    4. Тематическое моделирование

  3. Прикладные задачи анализа данных

    1. Рекомендательные системы

    2. Прогнозирование временных рядов

    3. Скоринг, прогнозирование и CTR

    4. Анализ текстов и другие прикладные задачи

  4. Обучение на размеченных данных

    1. Машинное обучение и линейные модели

    2. Линейные модели и оценка качества

    3. Решающие деревья и композиции моделей

    4. Нейронные сети и обзор методов

  5. Построение выводов по данным

    1. Основы статистики и проверка

    2. АБ-тесты: основы планирования, дизайн и интерпретация результатов

    3. Анализ зависимостей

    4. Скоринг, биоинформатика

  6. Анализ данных: финальный проект

  • 1224
  • 14 April 2017, 07:17
Sign up

Signup

Уже зарегистрированы?
Quick sign-up through social networks.
Sign in

Sign in.
Allowed.

Not registered yet?
 
Log in through social networks
Forgot your password?