Складчина: новые складчины на курсы и тренинги | страница 34

​

Стань настоящим гуру Линукса, начав с самых основ. Разложим сложные концепты простым языком и сформируем целостный образ мышления вокруг Linux. Закрепим знания на десятке практических задач с автоматической проверкой. Практиковаться будем на наших серверах – в онлайн-версии VS Code с доступом к терминалу

О курсе
В IT-сфере понимание Linux — не просто полезное знание, это необходимость. Мало знать, как писать программы — не менее важно уметь работать с операционной системой, которая является окружающей средой этой программы. В большинстве случаев нужно работать с Linux - самой популярной ОС. И это не только наша позиция – работодатели требуют знание Linux в огромном множестве вакансий: от девопсов до тестировщиков, от системных разработчиков до дата-сайентистов.

Много практики
В курсе есть вопросы по мере чтения и отдельные практические уроки на написание Bash-команд и решение объёмных задач в онлайн-тренажёре.

Материалы высокого качества
Мы разрабатываем курс более года, стремясь к совершенству в деталях. Каждый новый урок проходит многочисленные ревью практикующих специалистов, а старые постоянно дорабатываются с учётом фидбека учащихся. Кроме качественного текста, в статьях много иллюстраций и интерактивных видео с терминалом, откуда можно копировать команды.

Практика на наших серверах
Обещаем моментальное погружение в Линукс с первых минут, ведь начать занятия можно сразу: из браузера на любом устройстве. Можно не бояться, что во время обучения случайно накосячишь и снесёшь всё со своего компьютера.

Автоматическая проверка задач
Наша тестирующая система проверит твой Bash-скрипт на множестве тестов и подскажет, что именно пошло не так.

В курс входят

• 20 уроков
• 65 тестов
• 16 интерактивных задач

Авторы курса: Fedor Ivanov, Artem Starikov

Программа курса:

Введение в курс

1. Терминология
2. Команды
3. Мануалы
4. Текстовые редакторы
5. Интерлюдия: практика в Coder
6. Интерлюдия: регистрация в Coder

Программирование на Bash

1. Введение
2. Введение: практика
3. Условия и циклы
4. Условия и циклы: практика
5. Параметры и подстановки
6. Функции
7. Арифметика

Файловая система

1. Введение
2. Устройство файловой системы UNIX

Файловая система: продолжение

1. Иерархия файловой системы
2. Утилиты

Программирование на Bash: продолжение

1. Параметры и подстановки: практика
2. Функции: практика
3. Арифметика: практика

​

Спойлер: Преподаватели модуля:

Юлдуз Фаттахова (Python):

• 5+ лет в Data Science.
• Руководитель AI-проектов в Cбер.
• Автор курсов по Machine Learning.

Дарима Мылзенова (Python)

• Инженер-исследователь
• Ведет курсы в Digital Banana, ДПО НИУ ВШЭ, читает лекции в Сколтехе и в ШАДе.
• Ex-Gazprom Neft, Just AI. Искала нефть с помощью алгоритмов компьютерного зрения и разработала модели синтеза речи для aimyvoice.

Анна Чувилина (Python)

• Ex-Head of Analytics в Яндекс, преподаватель Mathshub, преподавала в НИУ ВШЭ и Harbour Space University.

Чему мы научим на Основах Python:

• На этом модуле вы освоите основы программирования на Python, работу со структурами данных, условными операторами и библиотеками, функциями и объектно-ориентированным программированием.
  Вы научитесь решать свои первые задачи на Python, а также подготовите проектную работу: чат-бот для Telegram с использованием библиотек, парсинга и API
• Рассмотрите назначение Python
  Вы начнёте изучение с введения в Python: узнаете, зачем нужна арифметика и функции, и научитесь работать со строками. Узнаете, какие сферы затрагивает Python и для чего он используется.
• Узнаете как эффективно хранить и извлекать данные
  Вы поймёте, как улучшить эффективность работы на Python и упростить процесс программирования с помощью структур данных — словарей и множеств. Разберёте, как они используются для решения различных задач в программировании — быстрого поиска, фильтрации данных, устранения дубликатов.
• Добавите в скиллы продвинутый python
  Вы изучите, что такое генераторы и операторы, как работать с библиотеками NumPy, SciPy и Pandas. Поймёте, как работать с Python в многопоточности и асинхронном программировании.
  Протестируете свой первый чат-бот
  Написание итогового проекта — ваша практика в использовании виртуального окружения, подключении необходимых библиотек и написании плана по разработке. Вы научитесь тестировать ботов/приложения и налаживать их работу, вычисляя сбои в коде.

Что включено в модуль:

• Базовые типы данных: int, float, string, bool
• Условный оператор и циклы: for, while
• Структуры данных в Python: списки, кортежи, словари и множества, comprehensions
• Функции, аргументы и аннотации функций
• Область видимости переменных, lambda функции, map, zip, sorted
• ООП: инкапсуляция, наследование, полиморфизм, dunder methods, абстрактные классы, mro
• Numpy для эффективных вычислений
• Pandas для анализа данных
• Работа в Jupyter Notebook и в Pycharm
• Обработка исключений, итераторы и генераторы, декораторы

Программа модуля:

Продолжительность: 36 ак. часов / 10 недель
Формат обучения: Лекция + семинар​

1. Введение в Python, его назначение. Арифметика и функции. Работа со строками
2. Введение в Python: интерактивное программирование
3. иклы и особенности их применения
4. Структуры данных в python, работа с файлами, библиотеки
5. Функции в Python
6. Введение в ООП
7. Введение в Numpy, Jupyter Notebook, Pandas
8. Работа в Jupyter Notebook
9. Чат боты, подготовка по проектам
10. Продвинутые возможности Python

Твои навыки после обучения:

• Основы программирования на Python (строки, циклы, структуры данных, функции и ООП)
• Владение библиотеками Numpy и Pandas
• Создание чат-бота

​

Чему мы научим на Machine Learning:
На этом модуле вы изучите взаимосвязь между независимыми и зависимыми переменными, научитесь предсказывать значения последней на основе первых и разделять наблюдения на заранее определенные категории или классы на основе их признаков.
Вы поймёте, как нескольким разработчикам работать над одним проектом одновременно, улучшая качество и скорость его разработки, а также узнаете, что такое кластеризация и подготовка данных.
◆ Узнаете всё о машинном обучении
Машинное обучение — подраздел искусственного интеллекта, который обучает системы самостоятельно учиться и делать прогнозы или принимать решения на основе данных. На модуле вы начнёте изучать тему машинного обучения с введения, узнаете, каким оно бывает и какие основные компоненты его работы.
◆ Познакомитесь с ключевыми алгоритмами
Вы разберётесь в ключевых моментах работы машинного обучения, познакомитесь с понятием градиентного спуска. Это оптимизационный алгоритм, используемый для минимизации функций потерь в методах машинного обучения и искусственного интеллекта.
◆ Научитесь создавать ml-пайплайны
ML-пайплайн — это набор этапов, выполнение которых приводит к созданию и обучению модели машинного обучения. Это методология разработки моделей, которая помогает улучшить процесс их создания, отладки и масштабирования. На модуле вы научитесь создавать пайплайны с нуля, развивать их, изучите их функционал.
◆ Изучите полезные приёмы при работе с данными
Вы начнёте разбираться в том, как оптимизировать скорость работы и наладить процесс обработки данных. Узнаете, зачем необходимо использование кросс-валидации для оценки производительности, как делать предобработку данных и тонкую настройку.

Что включено в модуль:
Введение в ML: каким оно бывает и каковы основные компоненты метрики и задача линейной регрессии
Градиентный спуск
Обобщающая способность модели: метод отложенной выборки / Кросс-валидация
Линейная классификация: оценка вероятности
Матрица ошибок и основные метрики классификации
ROC, PR-кривые, AUC-ROC, AUC-PR
Градиентный бустинг
Bias-variance trade-off
Кластеризация
Рекомендательные системы
Машинное обучение: классические задачи и алгоритмы
Создание ML-пайплайна с нуля и развитие ML-пайплайна

Программа модуля:
20 ак. часов / 5 недель
Формат обучения: Лекция + семинар

Регрессии
Классификация
Парное программирование — Алгоритмы ML
Кластеризация
Подготовка данных
Продвинутые подходы ML

Твои навыки после обучения
Основы теории машинного обучения
Валидирование данных
Построение регрессии, кластеризации и градиентного спуска
Создание ML-пайплайнов с нуля и их развитие

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Олег Булыгин. Machine Learning
7 лет опыта в управленческих должностях в научно-производственных компаниях космической отрасли.

​

Чему мы научим на Продуктовой аналитике:
◆ На этом модуле вы узнаете, кто такой продуктовый аналитик, и какие функции он выполняет.
Вы по ймёте, что такое продуктовые метрики, как их выбирать, считать и оценивать.
◆ Научим определять цели
Вы разберётесь, как определять цели и задачи бизнеса, и вырабатывать соответствующие метрики. Научитесь анализировать данные и выявлять связи между различными метриками. Поймёте, как изменение одной метрики может глобально повлиять на общие задачи бизнеса.
◆ Освоите работу с показателями
Узнаете, какие ключевые показатели эффективности существуют и научитесь грамотно оценивать результаты работы. Поймёте, как с помощью метрик оценивать эффективность различных стратегий и тактик, а также сравнивать результаты с предыдущими периодами.
◆ Научитесь выявлять проблемные области
Вы научитесь выявлять проблемные области, опираясь на полученные данные. Сможете определять приоритеты и искать решения, основанные на известных фактах, а не на интуиции и догадках.
◆ Научитесь оптимизировать работу
Вы начнёте отказываться от лишних показателей и проверять полноту метрик. Научитесь совмещать особенности продукта, данных, клиентов и бизнеса в готовом показателе. Узнаете, как создавать такие метрики, которые будут востребованы бизнесом и не будут вводить в заблуждения.

Что включено в модуль:
Программа модуля:
Продолжительность: 8 ак. часов / 2 недели
Формат обучения: Лекция + семинар
Влияние метрик на принятие решений
Организация работы с метриками. Основные концепции и популярные показатели

Твои навыки после обучения
Освоение основ работы продуктового аналитика
Освоение продуктовых метрик, как их выбирать, считать и оценивать

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Эдуард Водяницкий. Продуктовая аналитика, Визуализация данных

​

Чему мы научим на Математике:
◆ На этом модуле вы освоите основные понятия математики: матрицы, функций, операторы — и научитесь с ними работать.
Вы изучите математическую статистику и теорию вероятности.
Вы узнаете свойства и поведения функций, их графиков, производных и интегралов, а также научитесь решать уравнения с использованием алгебраических и матричных методов. Научитесь определять экстремумы функций с использованием производных и методов оптимизации.
◆ Изучите необходимую базу
На практических заданиях вы разберёте степени и логарифмы, столкнётесь с пределами и последовательностями, а также с бесконечными суммами. Узнаете, как работают функции и их композиции, узнаете, что такое дифференцирование степенной функции.
◆ Разберёте метод градиентного спуска
Вы освоите цепное правило, частные производные и метод градиентного спуска — его широко используют для совершенствования и обучения моделей машинного обучения.
◆ Научитесь работать с матрицами и векторами
Вы изучите векторы и матрицы, а также разберёте операции с ними и нормы векторов. Узнаете, что такое трансформация двумерного пространства матрицей 2х2. Изучите собственные векторы и собственные числа матриц.
◆ Начнёте глубокое погружение в тему
Узнаете, что такое матричные разложения и для чего они нужны. Научитесь применять сингулярное разложение матриц.

Что включено в модуль:
Основные понятия математики
Матрицы
Функции
Операторы

Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения: Лекция + семинар

Степени и логарифмы. Пределы и последовательности. Бесконечные суммы
Функции и их композиции. Формы уравнения прямой. Трансформация графиков функций
Дифференцирование степенной функции. Производная от суммы и произведения функций. Поиск экстремумов функций
Цепное правило. Частные производные. Метод градиентного спуска
Неопределённые и определённые интегралы. Два слова о дифурах
Векторы, матрицы и операции с ними. Нормы векторов
Трансформация двумерного пространства матрицей 2×2. Собственные векторы и собственные числа матриц
Матричные разложения и их применение. Сингулярное разложение матриц