Специалист по глубокому обучению

На трёх воркшопах вместе с экспертами Яндекса, Т-Банка и Сбера попрактикуетесь в решении тестовых заданий из актуальных вакансий. На вебинарах с экспертами мы предложим вам аналоги тестовых заданий для соискателей на позиции в аналитике данных и Data Science. Сначала вы попробуете решить задание самостоятельно, а потом разберёте его с экспертом. Поймёте, как не теряться при работе с абсолютно незнакомыми данными Подготовитесь психологически к решению тестовых заданий на собеседовании Научитесь выбирать и использовать инструменты в соответствии с поставленной задачей

1. Поймёте, как не теряться при работе с абсолютно незнакомыми даннымиВремя не указано
2. Подготовитесь психологически к решению тестовых заданий на собеседованииВремя не указано
3. Научитесь выбирать и использовать инструменты в соответствии с поставленной задачейВремя не указано

Поймёте особенности работы с потоковыми данными. Разберётесь в логике работы брокеров сообщений. 12 часов теории 9 часов практики Устройство Clickhouse и загрузка данных в корпоративное хранилище Устройство Kafka и работа с кластером Конфигурация Kafka Streams Kafka Streams Interactive Queries, Kafka Streams Processor API, Kafka Connect Spark Streaming: характеристики и особенности использования Создание простого приложения на Spark Structure Streaming + Kafka

1. Устройство Clickhouse и загрузка данных в корпоративное хранилищеВремя не указано
2. Устройство Kafka и работа с кластеромВремя не указано
3. Конфигурация Kafka StreamsВремя не указано
4. Kafka Streams Interactive Queries, Kafka Streams Processor API, Kafka ConnectВремя не указано
5. Spark Streaming: характеристики и особенности использованияВремя не указано
6. Создание простого приложения на Spark Structure Streaming + KafkaВремя не указано

Познакомитесь с основным инструментом обработки больших данных. Разберётесь в возможностях управления ресурсами кластера. 14 часов теории 15 часов практики Основы Hadoop: архитектура Разница Data Lake (озеро данных) и Data Warehouse (хранилище данных) DFS: логика работы, Namenode и Datanode MapReduce: алгоритм и решение задач Yarn, Pig & Hive HBase & Cassandra: возможности и основные характеристики Управление и администрирование кластера Обзор Apache Ambari, Apache Ranger, Apache Atlas

1. Основы Hadoop: архитектураВремя не указано
2. Разница Data Lake (озеро данных) и Data Warehouse (хранилище данных)Время не указано
3. DFS: логика работы, Namenode и DatanodeВремя не указано
4. MapReduce: алгоритм и решение задачВремя не указано
5. Yarn, Pig & HiveВремя не указано
6. HBase & Cassandra: возможности и основные характеристикиВремя не указано
7. Управление и администрирование кластераВремя не указано
8. Обзор Apache Ambari, Apache Ranger, Apache AtlasВремя не указано

Познакомитесь с видами хранилищ, поймёте архитектуру DWH (хранилища данных) и его возможности. На практическом кейсе разберёте популярные инструменты работы с DWH. 17 часов теории 32 часа практики Понятие БД, СУБД, хранилища данных Архитектура DWH и принципы построения Виды заказчиков в процессе разработки DWH Data Quality и Data Governance Обзор инструментов для работы с хранилищами данных

1. Понятие БД, СУБД, хранилища данныхВремя не указано
2. Архитектура DWH и принципы построенияВремя не указано
3. Виды заказчиков в процессе разработки DWHВремя не указано
4. Data Quality и Data GovernanceВремя не указано
5. Обзор инструментов для работы с хранилищами данныхВремя не указано

Узнаете, зачем нужен DevOps. Разберётесь в пайплайне разработки ML-моделей. 8 часов теории 25 часов практики Что такое DevOps и MLOps Docker и микросервисная архитектура Технологии контейнеризации, k8s Оркестраторы CI/CD Мониторинг Инструменты DevOps для обучения ML-моделей

1. Что такое DevOps и MLOpsВремя не указано
2. Docker и микросервисная архитектураВремя не указано
3. Технологии контейнеризации, k8sВремя не указано
4. ОркестраторыВремя не указано
5. CI/CDВремя не указано
6. МониторингВремя не указано
7. Инструменты DevOps для обучения ML-моделейВремя не указано

Вы освоите основные техники машинного зрения — извлечение признаков, поиск по картинкам, сегментирование, детекция объектов. Такие навыки востребованы для видеонаблюдения, автопилотируемой техники, медицинской диагностики, генерации контента. 21 час теории 12 часов практики Выделение признаков и поиск похожих изображений Задачи детекции и сегментации Сегментация и детекция объектов Рекуррентные нейронные сети в задачах компьютерного зрения (Image Captioning) Свёрточные нейронные сети Порождающие модели Обучение свёрточной сети на практике

1. Выделение признаков и поиск похожих изображенийВремя не указано
2. Задачи детекции и сегментацииВремя не указано
3. Сегментация и детекция объектовВремя не указано
4. Рекуррентные нейронные сети в задачах компьютерного зрения (Image Captioning)Время не указано
5. Свёрточные нейронные сетиВремя не указано
6. Порождающие моделиВремя не указано
7. Обучение свёрточной сети на практикеВремя не указано

Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты. Это востребовано для перевода, виртуальных ассистентов, онлайн-ботов поддержки, транскрибации видео. 21 час теории 12 часов практики Введение в автоматическую обработку текста Тематическое моделирование Структура слова. Морфология Информационный поиск Синтаксический анализ Классификация в АОТ Дистрибутивная семантика Языковые модели Извлечение ключевых слов Извлечение информации Словари. Подкрепление знаний

1. Введение в автоматическую обработку текстаВремя не указано
2. Тематическое моделированиеВремя не указано
3. Структура слова. МорфологияВремя не указано
4. Информационный поискВремя не указано
5. Синтаксический анализВремя не указано
6. Классификация в АОТВремя не указано
7. Дистрибутивная семантикаВремя не указано
8. Языковые моделиВремя не указано
9. Извлечение ключевых словВремя не указано
10. Извлечение информацииВремя не указано
11. Словари. Подкрепление знанийВремя не указано

16 часов теории 16 часов практики Для компьютерного зрения — Основы нейронных сетей — Многослойная нейронная сеть — Свёрточные сети — Архитектуры свёрточных сетей — Улучшение качества обучения нейросети — Компьютерное зрение — Механизм внимания Для обработки естественного языка — Основы нейронных сетей — Многослойная нейронная сеть — Рекуррентные сети — Механизм внимания — Работа с текстом — Улучшение качества обучения нейросети

1. Для компьютерного зрения— Основы нейронных сетей— Многослойная нейронная сеть— Свёрточные сети— Архитектуры свёрточных сетей— Улучшение качества обучения нейросети— Компьютерное зрение— Механизм вниманияВремя не указано
2. Для обработки естественного языка— Основы нейронных сетей— Многослойная нейронная сеть— Рекуррентные сети— Механизм внимания— Работа с текстом— Улучшение качества обучения нейросетиВремя не указано

Изучите основные операции с векторами, матричными операциями. Рассмотрите генетические алгоритмы, алгоритм дифференциальной эволюции. Узнаете, что такое математическое ожидание, дисперсия и моменты старших порядков. Изучите закон больших чисел. Линейная алгебра. Векторы Продвинутая линейная алгебра Производная функции нескольких аргументов Теория вероятностей. Дискретные и непрерывные случайные величины Линейная алгебра. Матрицы Математический анализ. Производная Теория оптимизации Центральная предельная теорема и закон больших чисел

1. Линейная алгебра. ВекторыВремя не указано
2. Продвинутая линейная алгебраВремя не указано
3. Производная функции нескольких аргументовВремя не указано
4. Теория вероятностей. Дискретные и непрерывные случайные величиныВремя не указано
5. Линейная алгебра. МатрицыВремя не указано
6. Математический анализ. ПроизводнаяВремя не указано
7. Теория оптимизацииВремя не указано
8. Центральная предельная теорема и закон больших чиселВремя не указано

Научитесь решать задачи разработки и аналитики с помощью генеративного искусственного интеллекта. Сможете писать SQL запросы и код с помощью ИИ, даже если вы новичок в этой теме. 2,2 часа теории 1,5 часа практики Изучите возможности ChatGPT в работе с таблицами в Excel и Google Sheets Узнаете, какие возможности для продвинутой работы с данными предоставляет GPT-4

1. Изучите возможности ChatGPT в работе с таблицами в Excel и Google SheetsВремя не указано
2. Узнаете, какие возможности для продвинутой работы с данными предоставляет GPT-4Время не указано

Узнаете, как с помощью генеративных нейросетей оформить резюме и портфолио, эффективно подготовиться к собеседованию. Этот курс проходит в формате видеолекций и не привязан к строгому графику, вы можете изучить материалы в своём темпе. 1,4 часа теории 1,5 часа практики

Дополнительный бонусный модуль, доступный при выборе двух специализаций. Познакомитесь с базовыми библиотеками для работы со звуком: pydub и librosa. Узнаете, как речь извлекается из аудио, как работает биометрия голоса и распознавание естественной речи. Изучите платформы для создания диалоговых систем и голосовых ИИ-помощников. 14 часов теории 24 часа практики Работа со звуком: специфика данных и актуальные фреймворки Транскрибация звука Распознавание аудио Синтез речи Обработка и очистка звуковых сигналов Извлечение текста из аудио Поиск аудиоинформации Диалоговые системы

1. Работа со звуком: специфика данных и актуальные фреймворкиВремя не указано
2. Транскрибация звукаВремя не указано
3. Распознавание аудиоВремя не указано
4. Синтез речиВремя не указано
5. Обработка и очистка звуковых сигналовВремя не указано
6. Извлечение текста из аудиоВремя не указано
7. Поиск аудиоинформацииВремя не указано
8. Диалоговые системыВремя не указано