Основы анализа данных и машинного обучения
Востребованность программы определяется активным применением технологий искусственного интеллекта и машинного обучения в производственных и бизнес-процессах самых разных компаний и промышленных производств и потребностью подготовки специалистов, владеющих технологиями анализа данных и машинного обучения.
Цель программы: формирование компетенции цифровой экономики «Способность эффективно применять современные методы и средства анализа данных и машинного обучения для решения прикладных задач» у квалифицированных специалистов различных областей экономики.
Формат обучения: онлайн.
Количество академических часов: 72 часа.
Планируемые результаты освоения программы
Знание (осведомленность в областях):
- Основы языка программирования Python.
- Основные этапы анализа данных.
- Основные типы задач анализа данных и машинного обучения.
- Математические основы и методы решения задач классификации, регрессии, кластеризации, основные метрики качества алгоритмов машинного обучения.
- Математические основы и возможности нейросетевых методов.
- Методы предобработки и векторизации текстов.
- Методы сбора информации из интернет-источников.
- Методы создания API для доступа к моделям машинного обучения.
Умение (способность к деятельности):
- Использование языка программирования Python, интерактивных блокнотов Jupiter Notebooks с библиотеками Pandas и Matplotlib для автоматизированного сбора, предварительной обработки, очистки и визуализации данных, конструирования и отбора признаков.
- Обучение и использование моделей из библиотеки SkLearn для решения задач машинного обучения с оценкой качества и подбором оптимальных гиперпараметров моделей.
- Обучение и использование нейросетевых моделей на основе библиотеки Keras+Tensorflow для задач классификации изображений и текстов, в том числе с использованием переноса обучения.
- Создание API для доступа к моделям на основе каркаса Flask.
Навыки (использование конкретных инструментов):
- Эффективное решение прикладных задач на основе данных из различных источников с подбором оптимальных гиперпараметров моделей машинного обучения.
- Предобработка и классификация текстов и изображений.
- Создание API для доступа к разработанным моделям.
Изучаемые модули
- Основы языка программирования Python для анализа данных.
- Базовые задачи и методы машинного обучения.
- Современные нейросетевые архитектуры.
- Автоматизация сбора данных и доступа к моделям машинного обучения.
Требования
Программа предназначена для слушателей, имеющих:
-
образование: высшее или среднее профессиональное;
-
квалификацию: любую в области информационных технологий;
-
наличие опыта профессиональной деятельности: базовые навыки работы на компьютере;
-
предварительное освоение иных дисциплин/курсов/модулей: требуется владение основами цифровой грамотности и алгоритмизации в объеме школьного курса информатики.
Контактная информация по вопросам обучения
Адрес: г. Оренбург, пр. Победы, 13, корп. 20, ауд. 20.2.14.
Телефон: (35-32) 91-21-11
E-mail: fpk@mrc.osu.ru, fpkpgms@mrc.osu.ru
Контактные лица:
Последнее обновление: 25.07.2022
Ответственный за информацию:
Подосенова Ирина Александровна, институт непрерывного профессионального образования ОГУ, директор
(тел.91-21-11)