14 октября - 4 декабря
Дистанционно
64 ак.ч.
Занятия проходят 2 раза в неделю в вечернее время
Темы
-
Модуль «Методы машинного обучения в прогнозировании данных»
Введение в анализ и прогнозирование данных
Линейные модели для классификации
Нелинейные модели для классификации
Линейные модели для регрессии
Нелинейные модели для регрессии
Ансамбли и настройка параметров - Модуль «Методы машинного обучения в прогнозировании данных»
Введение в анализ и прогнозирование данных
Линейные модели для классификации
Нелинейные модели для классификации
Линейные модели для регрессии
Нелинейные модели для регрессии
Ансамбли и настройка параметров
Основы Python и методы прогнозирования
10 сентября - 4 декабря
Дистанционно
104 ак.ч.
Занятия проходят 2 раза в неделю в вечернее время
Программа «Методы прогнозирования на языке Python» с дополнительным модулем по основам программирования на Python
Предназначена для слушателей без знания языка.
Если вы знакомы более чем с 7 темами, рекомендуем выбрать предыдущий курс (без вводной части)
Требования размещены по ссылке: https://clck.ru/3CUh8Z
Анализ данных на языке Python
15 октября - 5 декабря
Дистанционно
64 ак.ч.
Занятия проходят 2 раза в неделю в вечернее время
Темы
(для программы существуют входные требования)
- Модуль «Введение в анализ данных на языке Python»
Консолидация данных
Трансформация данных
Визуализация данных
Очистка и предобработка данных
Введение в машинное обучение на языке Python - Модуль «Программирование на Python для анализа данных»
Тема 1. Введение в анализ данных Операции над векторами и матрицами в NumPy
Введение в анализ данных. Возможности Jupyter
Возможности модуля NumPy - Тема 2. Операции над таблицами в pandas
Общее знакомство с pandas, обзор возможностей
Типы данных pandas и операции над ними - Тема 3. Сбор и подготовка данных с помощью языка Python
Работа с файлами разных форматов
Очистка и подготовка
Модуль requests
Взаимодействие с базами данных (SQL).
Основы обработки естественного языка - Тема 4. Анализ данных с помощью возможностей языка Python
Операции над таблицами в pandas
Визуализация данных
Временные ряды
Анализ данных из открытых источников
Основы Python и анализа данных
10 сентября - 5 декабря
Дистанционно
104 ак.ч.
Занятия проходят 2 раза в неделю в вечернее время
Программа «Анализ данных на языке Python» с дополнительным модулем по основам программирования на Python
Предназначена для слушателей без знания языка.
Если вы знакомы более чем с 7 темами, рекомендуем выбрать предыдущий курс (без вводной части).
Требования размещены по ссылке: https://clck.ru/3CUh8Z
Основы программирования (Язык С#)
9 сентября - 9 декабря
Дистанционно
104 ак.ч.
Занятия проходят 2 раза в неделю в вечернее время
Темы
- Модуль 1. DEV-CSH100. Основы алгоритмизации и программирования (язык C#)
Основы информатики и программирования: информация и данные, их обработка, алгоритмы и представление
Базовые техники разработки программного обеспечения и операции с переменными
Управляющие конструкции: условия, выбор и циклы
Процедурный подход и разработка функций в программировании
Организация данных в программе. Массивы
Работа с текстовой информацией
Инструменты разработки проектов
Использование системы контроля версий - Модуль 2. DEV-CSH110. Алгоритмы и структуры данных
Введение в алгоритмизацию и структура данных
Рекурсивные алгоритмы
Алгоритмы и структуры данных: массивы, списки, стеки, обработки строк, очереди и хеширование
Деревья (обзорно)
Разработчик PostgreSQL с нуля
9 сентября - 9 декабря
Дистанционно
114 ак.ч.
Занятия проходят в первой половине дня
Темы
- Модуль 1. Основы языка SQL
Введение в PostgreSQL
Введение в язык SQL
Написание простых SELECT запросов
Запросы к нескольким таблицам
Группировка и агрегирование данных
Использование подзапросов и табличных выражений
Использование оконных функций
Программирование на стороне сервера - Модуль 2. Администрирование PostgreSQL
Архитектура и принципы реализации СУБД PostgreSQL
Установка и базовая настройка СУБД PostgreSQL
Конфигурирование СУБД PostgreSQL
Управление БД PostgreSQL
Управление безопасностью
Мониторинг работы СУБД PostgreSQL
Резервное копирование и восстановление - Модуль 3. Разработка БД PostgreSQL
Проектирование и создание таблиц БД
Обеспечение целостности данных с помощью ограничений
Модификация данных в таблицах БД
Управление транзакциями
Дополнительные возможности создания таблиц
Создание и управление индексами
Создание представлений (View)
Создание программных модулей в БД
Нейронные сети и машинное обучение в анализе данных
(с использованием Python)
4 ноября - 30 ноября
174 ак.ч.
Форма обучения уточняется
Программа включает обучение по следующим основным темам: основные концепции и методы машинного обучения, нейронные сети, фреймворки для глубокого обучения, сверточные нейронные сети, оптимизация нейронной сети, сегментация изображений, детектирование объектов, дообучение нейронной сети, рекурентные нейронные сети
Python для анализа данных
Разработка приложений реального времени для QNX Neutrino
21-24 октября или 18-21 октября
32 ак.ч.
очно, г. Санкт-Петербург
Темы
- Системная архитектура ЗОСРВ «Нейтрино»
- Компиляция и отладка
- Процессы, потоки и синхронизация
- Межпроцессное взаимодействие
- Часы, таймеры и таймауты
- Прерывания
- Подсистема ввода-вывода
- Особенности работы с многоядерными системами
- Построение загружаемого образа
- Разработка администратора ресурсов
