Современный анализ данных, глубокое обучение и приложения

Первая программа профессиональной переподготовки по анализу данных и машинному обучению, которая охватывает все разделы современного анализа данных, в том числе такую популярную сейчас область как глубокое обучение. Программа начинается с самых основ — изучения программирования и базовых разделов математики — и переходит к разделам по машинному обучению, приложениям, глубокому обучению и обучению с подкреплением, анализу социальных сетей и работой с большими данными. При разработке программы мы сделали акцент на практическую работу, разборы ошибок и проектную деятельность, ввели консультационные часы и группу ассистентов, которая будет персонально работать с вами. По итогам программы вы получите самые актуальные знания в одной из самых востребованных областей 21 века, проекты в портфолио и диплом о профессиональной переподготовке установленного НИУ ВШЭ образца.

академических часов, в том числе 414 часов лекций и семинаров.
Начало обучения — 18 октября 2017. Завершение обучения — 31 октября 2018.
Июль и август — каникулы.

тысяч рублеи? — базовая часть программы.
Оплата производится частями.
Для студентов, выпускников и слушателей основных и дополнительных программ НИУ ВШЭ предусмотрены скидки.

Подать заявку

Модуль познакомит вас с базовыми определениями и понятиями математического анализа, линейной алгебры, теории вероятностей, статистики и дискретной математики и подготовит к дальнейшему изучению дисциплин по анализу данных. Данный курс можно пройти отдельно как программу повышения квалификации.

Нина Сахарова
Выпускница магистратуры факультета математики Высшей школы экономики, преподаватель кафедры Высшей математики, "Лучший преподаватель" 2014-2016 года по мнению студентов.

Леонид Иосипой
Выпускник механико-математического факультета МГУ, преподаватель факультета компьютерных наук, сотрудник сектора математических методов предсказательного моделирования ИППИ РАН.

Вы научитесь программировать, даже если раньше этого никогда не делали, познакомитесь с базовыми возможностями языка Python, узнаете о его «подводных камнях» и начнёте использовать свои навыки в повседневной работе.

Илья Щуров
Выпускник механико-математического факультета МГУ, кандидат физико-математических наук, доцент кафедры высшеи? математики НИУ ВШЭ. Лауреат конкурса молодых математиков фонда «Династия». Разработал и прочитал ряд курсов по программированию, в том числе обещуниверситетскии? факультатив «Программирование на языке Python для сбора и обработки данных».

Модуль состоит из двух частей:
I. Обработка данных в Python. Работа с данными в Python немного похожа на использование систем электронных таблиц — только во много раз мощнее. Буквально одной командой можно выбрать нужные записи из таблицы по заданным критериям, сгруппировать их, вычислить агрегированные значения и визуализировать результат. И это только начало!
II. Сбор данных в Python. Не всегда данные доступны сразу в удобном для обработки виде: они могут быть разбросаны по разным сайтам и храниться в разных форматах. Мы обсудим, как извлекать данные с веб-страниц (веб-скреппинг) и как пользоваться массивами открытых данных, доступных в структурированных форматах (XML, JSON) через API.
Часть 2 и 3 можно пройти отдельно как программу повышения квалификации.

Илья Щуров
Выпускник механико-математического факультета МГУ, кандидат физико-математических наук, доцент кафедры высшеи? математики НИУ ВШЭ. Лауреат конкурса молодых математиков фонда «Династия». Разработал и прочитал ряд курсов по программированию, в том числе обещуниверситетскии? факультатив «Программирование на языке Python для сбора и обработки данных».

Юрий Кашницкий
Выпускник МФТИ, научный сотрудник НИУ ВШЭ. Программист-исследователь группы рекомендаций Mail.ru Group. Преподаватель языка Python и машинного обучения на факультете компьютерных наук НИУ ВШЭ. Имеет публикации на семинарах топовых конференции? по искусственному интеллекту (IJCAI и ECAI) и машинному обучению (ECML/PKDD).

Игорь Слинько
Data Scientist в Mail.ru Group. Разрабатывал и читал "Экспресс-курс Машинного обучения". Образование: Московский физико-технический университет, Школа анализа данных Яндекса.

Андрей Шестаков
Преподаватель и аспирант факультета компьютерных наук. Работает в Mail.Ru Group в группе машинного обучения

Евгений Соколов
Заместитель руководителя Департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. Руководитель группы качества рекомендаций и анализа контента Яндекс.Дзена. Со-автор онлайн-специализации "Машинное обучения и анализ данных" на платформе Coursera.

Алексей Артемов
Аналитик в компании Яндекс, преподаватель факультета компьютерных наук НИУ ВШЭ. Выпускник Школы анализа данных Яндекса.

Андрей Шестаков
Преподаватель и аспирант факультета компьютерных наук. Работает в Mail.Ru Group в группе машинного обучения

София Докука
Кандидат социологических наук, научныи? сотрудник Института институциональных исследовании? НИУ ВШЭ. Преподает курсы по компьютерному моделированию в социологии, анализу социальных сетеи? и динамике социальных сетеи?. Работала в университете Гронингена (Нидерланды) в рамках программы международнои? мобильности Erasmus Mundus.

Deep learning является одной из самых популярных областей машинного обучения. Именно благодаря этому подходу были получены наилучшие результаты в распознавании изображений, обработке текста, машинном переводе, обучении с подкреплением и многих других задачах. Но что скрывается за этим термином? Ответ на этот вопрос мы постараемся дать в данном модуле. Слушатели смогут познакомиться с моделями на основе искусственных нейронных сетей, а также теорией, описывающей их работу. Будут рассмотрены примеры решений задач распознавания изображений и анализа текстов, с использованием библиотеки Tensorflow. Программа подразумевает обширную практическую часть и большое количество самостоятельной работы. Данный курс можно пройти отдельно как программу повышения квалификации.

Святослав Елизаров
Выпускник факультета компьютерных наук. Data scientist и программист в alterra.ai

Борис Коваленко
Выпускник факультета компьютерных наук. Deep Learning Engineer в международной компании.

Модуль даёт слушателям понимание и практические навыки использования методов обучения с подкреплением, включая глубокое обучение с подкреплением. В программу входят теоретическая база, практические задания, инженерные трюки и неординарные предметные области.

Сергей Свиридов
Выпускник факультета компьютерных наук. Data scientist и программист в alterra.ai

В данном модуле будут подробно разобраны основные задачи обработки и анализа текстов и компьютерного зрения. С подробным описанием курсов можно ознакомиться на сайте программ, также программу по компьютерному зрению и программу по анализу текстов можно пройти отдельно, как повышение квалификации.

Екатерина Черняк
Кандидат технических наук, старшии? преподаватель Департамента анализа данных и искусственного интеллекта факультета компьютерных наук, младший научный сотрудник Международной научно-учебной лаборатории интеллектуальных систем и структурного анализа

Вячеслав Мурашкин
Выпускник МГТУ имени Баумана, Высшей школы экономики и Школы анализа данных Яндекса. Более шести лет занимается проектами в области анализа больших массивов данных, рекомендательных систем и машинного обучения. Имеет успешный опыт работы как в крупных IT компаниях, так и в небольших стартапах. В настоящее время работает разработчиком-исследователем в направлении беспилотных автомобилей в Яндексе.

Вячеслав Мурашкин
Выпускник МГТУ имени Баумана, Высшей школы экономики и Школы анализа данных Яндекса. Более шести лет занимается проектами в области анализа больших массивов данных, рекомендательных систем и машинного обучения. Имеет успешный опыт работы как в крупных IT компаниях, так и в небольших стартапах. В настоящее время работает разработчиком-исследователем в направлении беспилотных автомобилей в Яндексе.

Источник: cs.hse.ru

Комментарии: