Специальные темы в машинном обучении

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Это упражнение является частью курса

Наука о данных для бизнеса

SkillTag.level.beginnerSkillTag.label

4.8+

Начать курс бесплатно

Мы начнём курс с определения понятия «наука о данных». Вы познакомитесь с процессом работы с данными и узнаете, как наука о данных применяется для решения реальных бизнес-задач. В конце главы мы рассмотрим подходы к формированию команды по работе с данными в соответствии с потребностями вашей организации.

Exercise 1: Что такое наука о данных?Exercise 2: Процесс сегментации клиентов Exercise 3: Создание чат-бота для службы поддержки Exercise 4: Улучшение OKR Exercise 5: Применение науки о данных Exercise 6: Распределение проектов по направлениям науки о данных Exercise 7: Инвестиционное исследование Exercise 8: Формирование команды по науке о данных Exercise 9: Анализ спринта команды Exercise 10: Редактирование вакансии Exercise 11: Соответствие навыков должностям Exercise 12: Распределение задач по специалистам

Разобравшись с процессом работы с данными, мы подробнее остановимся на первом шаге — сборе данных. Вы узнаете об источниках данных, которые может использовать ваша компания, а также о способах их хранения после получения.

Exercise 1: Источники данных и риски Exercise 2: Классификация данных по уровню безопасности Exercise 3: Создание событий на основе веб-данных Exercise 4: Защита персональных данных Exercise 5: Запрашиваемые данные Exercise 6: Определение цели вопросов Exercise 7: Проверка результатов фокус-группы Exercise 8: Net Promoter Score Exercise 9: Сбор дополнительных данных Exercise 10: Сортировка источников данных Exercise 11: Частота заболеваемости астмой Exercise 12: Хранение и извлечение данных Exercise 13: Облачные платформы Exercise 14: Запрос к базе данных Exercise 15: Какой тип базы данных?

В этой главе мы обсудим методы исследования и визуализации данных с помощью дашбордов. Вы узнаете, из каких элементов состоит дашборд и как правильно формулировать запрос на его создание. Также мы рассмотрим разовые запросы к данным и A/B-тесты — мощный инструмент аналитики, который помогает снизить риски при принятии решений.

Exercise 1: Дашборды Exercise 2: Классификация элементов дашборда Exercise 3: Улучшение дашборда Exercise 4: Выбор подходящего дашборда Exercise 5: Ситуативный анализ Exercise 6: Оформление разового запроса на анализ Exercise 7: Классификация запросов Exercise 8: A/B-тестирование Exercise 9: Создание рабочего процесса A/B-теста Exercise 10: Размер выборки Exercise 11: Промежуточные результаты

В этой заключительной главе мы обратимся к одной из самых обсуждаемых тем в науке о данных — машинному обучению! Вы изучите обучение с учителем и без учителя, а также кластеризацию. Затем перейдём к специальным темам: прогнозированию временных рядов, обработке естественного языка, глубокому обучению и объяснимому ИИ.

Exercise 1: Обучение с учителем Exercise 2: Когда применять обучение с учителем Exercise 3: Признаки и метки Exercise 4: Оценка модели Exercise 5: Кластеризация Exercise 6: Обучение с учителем и без учителя Exercise 7: Выбор количества кластеров Exercise 8: Специальные темы в машинном обучении

Текущее упражнение

Exercise 9: Классификация задач машинного обучения Exercise 10: Анализ тональности Exercise 11: Глубокое обучение и объяснимый ИИ Exercise 12: Выбор подходящего решения Exercise 13: Стоит ли использовать глубокое обучение?