Адрес e-mail:

Python для анализа данных

Форма обучения:  очная с использованием дистанционных образовательных технологий
Режим обучения:  Дистанционно
Объем программы:  52 ак.
Продолжительность обучения:  3 недели
Выдаваемый документ:  удостоверение
Старт обучения:  сентябрь. по мере формирования групп

Краткое описание программы: 

Программа ПК разработана с учетом требований ФГОС ВО по направлению подготовки 01.03.02 «Прикладная математика и информатика».

Целью реализации дополнительной профессиональной программы повышения квалификации «Python для анализа данных» является совершенствование компетенций слушателей в области использования библиотек NumPy, SciPy, Pandas для работы с данными, визуализации данных, применения методов обучения с учителем и без учителя, создания нейронных сетей.

Программа повышения квалификации предназначена для специалистов в области информационно-коммуникационных технологий, имеющих высшее образование; студентов вузов.

Форма проведения итоговой аттестации: зачет на основании совокупности выполненных практических заданий и защиты проекта.
Содержание программы: 

Программа предусматривает изучение следующих тем:

-       Математика и Python для анализа данных

-       Визуализация данных и статистика

-       Обучение с учителем

-       Методы обучения без учителя

Нейронные сети
Целевая аудитория программы: 
Специалисты в области информационно-коммуникационных технологий, имеющих высшее образование; студенты вузов
Задачи программы: 

Слушатели должны овладеть следующими компетенциями:

- Способен к написанию программного кода с использованием языков программирования, определению и манипулированию данными (ПК-1);

- Способен применять фундаментальные знания, полученные в области математических и (или) естественных наук, и использовать их в профессиональной деятельности (ОПК-1).

В результате освоения программы слушатель должен:

знать:

-        базовые понятия математического анализа, базовые понятия линейной алгебры;

-        понятия математической статистики;

-        методы обучения с учителем;

-        методы машинного обучения без учителя;

-        понятие нейронной сети, современные архитектуры нейронных сетей;

уметь:

-        применять инструменты библиотеки NumPy, применять инструменты библиотеки SciPy, применять инструменты библиотеки Pandas для работы с данными;

-        визуализировать данные при помощи инструментов Python, применить на практике инструменты Python для работы со статистическим анализом;

-        применять на практике линейную регрессию, применять на практике кросс-валидацию, оценивать качества моделей, обучать на практике ансамблевые модели;

-        применять на практике методы кластеризации, применять на практике методы понижения размерности. создавать рекомендательную сеть;

-        реализовывать перцептрон, реализовывать свою нейронную сеть.


Преподаватели: 

Координатор программы:
Сырцова Елена Леонидовна
Syrtsova.el@mipt.ru


Записаться на программу

Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2021 Московский физико-технический институт (национальный исследовательский университет)

Противодействие коррупции | Сведения о доходах

Политика обработки персональных данных МФТИ

Техподдержка сайта | API

Использование новостных материалов сайта возможно только при наличии активной ссылки на https://mipt.ru

МФТИ в социальных сетях