Повышение квалификации ОНЛАЙН по программе «Программирование на Python. Моделирование». СТАРТ – 31 мая

Институт информационных технологий БГУИР приглашает руководящих работников и специалистов организаций, программистов принять участие в обучении по программе повышения квалификации «Программирование на Python. Моделирование».

Обучение с использованием дистанционных образовательных технологий позволит без отрыва от производства повысить Ваш профессиональный уровень.

Продолжительность обучения: 60 часов, занятия 31 мая – 30 июня 2022 года.

Стоимость обучения: 540,00 рублей.

Предварительное расписание занятий:

• 31 мая - 14.30 - 17.30 (4 акад. часа);
• 1 июня - 14.30 - 17.30 (4 акад. часа);
• 2 июня - 14.30 - 17.30 (4 акад. часа);
• 7 июня - 14.30 - 17.30 (4 акад. часа);
• 8 июня - 14.30 - 17.30 (4 акад. часа);
• 9 июня - 14.30 - 17.30 (4 акад. часа);
• 14 июня - 14.30 - 17.30 (4 акад. часа);
• 15 июня - 14.30 - 17.30 (4 акад. часа);
• 16 июня - 14.30 - 17.30 (4 акад. часа);
• 21 июня - 14.30 - 17.30 (4 акад. часа);
• 22 июня - 14.30 - 17.30 (4 акад. часа);
• 23 июня - 14.30 - 17.30 (4 акад. часа);
• 28 июня - 14.30 - 17.30 (4 акад. часа);
• 29 июня - 14.30 - 17.30 (4 акад. часа);
• 30 июня - 14.00 - 17.00 (4 акад. часа) + зачет.

Дополнительная информация, консультации, ответы на вопросы, запись на обучение по телефонам: +375 17 397 82 95; +37529 262 80 93

Программа курса:

РАЗДЕЛ I. Основы языка Python (14 часов)

1. Среда разработка Jupiter notebook. Типы данных
2. Операторы ветвления
3. Понятие цикл. Работа с циклами
4. Функции
5. Одномерные и многомерные списки
6. Строки, множества и словари
7. Работа с файлами

РАЗДЕЛ II. Специальные библиотеки языка Python (14 часов)

1. Библиотеки обработки данных: numpy, pandas
2. Библиотеки визуализации данных: matplotlib, plotly
3. Библиотеки машинного обучения: statsmodels, sklearn
4. Библиотеки глубокого обучения: pytorch, keras

РАЗДЕЛ III. Моделирование (32 часа)

1. Проверка модели
2. Проектирование признаков: категориальные признаки, текстовые признаки, производные признаки, конвейеры признаков
3. Наивная байесовская классификация: байесовская классификация, Гауссов наивный байесовский классификатор, полиномиальный наивный байесовский классификатор
4. Линейная регрессия: простая линейная регрессия, регрессия по комбинации базисных функций, регуляризация
5. Метод опорных векторов:
6. Пример: распознание лиц
7. Метод главных компонент
8. Пример: распознание рукописных цифр
9. Кластеризация методов k-средних
10. Пример сжатие цветов
11. Смеси Гауссовых распределений
12. Ядерная оценка плотности распределения
13. Временные ряды

Приглашаем Вас на обучение в ИИТ БГУИР!