Introduction to Data Science, Analytics and AI

Олександр Романко

Senior Research Analyst, IBM Canada

9 - 10 вересня

з 10:00 до 18:00

Національний педагогічний університет імені М.П. Драгоманова

вул. Пирогова, 9

Facebook

9-10 вересня до Києва знову завітає Олександр Романко – Senior Research Analyst в IBM Canada, щоб провести інтенсивний курс “Introduction to Data Science Analytics and Artificial Intelligence”.

Викладач: Олександр Романко – професор в університеті Торонто, старший науковий співробітник компанії IBM Canada. Олександр отримав докторський та магістерський ступені у галузі комп’ютерних наук в Університеті МакМастер (Канада), магістерський ступінь з економіки в Карловому Університеті (Чеська Республіка) і диплом спеціаліста Сумського державного університету.
Всі, хто хоча б раз відвідали лекції Олександра, на власному досвіді впевнилися, що він один з найкращих спікерів зі штучного інтелекту та науки про дані, до того ж, наш співвітчизник!

Чому варто відвідати курс?
Ви навчитесь:
– робити підготовку даних;
– будувати моделі;
– оптимізувати отримані моделі;
– та найголовніше – приймати рішення на основі отриманих даних.

Панельна дискусія.
Чудовим завершенням курсу буде панельна дискусія на тему “Data Science індустрія в Україні: перспективи, можливості, проекти”, учасниками якої будуть Дмитро Чаплинський, Антон Трубніков, Ігор Стареправо, Марія Королюк, Володимир Рибалко та Андрій Міліневський.
Ярмарка вакансій та презентації стартапів: будуть представлені позиції з провідних IT-компаній та презентації від стартапів та молодих проектів.
Отже, приходь 9 та 10 вересня на повноцінні дні Data Science.
Організатор: Data Science UA, крок за кроком ми формуємо повноцінну спільноту Data Science в Україні, організовуючи конференції, мітапи, курси, працевлаштовуємо в провідні світові компанії.
Важливо: під час курсу будуть розглядатися практичні приклади на Python, тож бажано мати з собою ноутбук.

Для кого розроблено курс:

– початківцям, які хочуть за короткий час отримати знання з Data Science;
– фінансовим аналітикам;
– розробникам;
– студентам, що прагнуть вивчати реальні кейси замість сухої теорії.

Програма курсу

14 квiтня

Вступ у науку та аналітику даних

  • Концепції науки про дані
  • Області застосування

Отримання даних у Python

  • Робота з CSV та JSON форматами/файлами
  • Web-scraping в Python
  • Використання APIs в Python (Twitter API, New York Times API, etc.)
  • Використання cloud AI services з Python

Machine Learning I – лінійні та логістичні регресії

  • Моделювання процесу та машинне навчання
  • Оптимізація для регресійного моделювання, наукових даних та AI
  • Лінійна регресія
  • Логістична регресія
  • Регресійні приклади в Python
15 квiтня

Machine Learning II – розширена класифікація та кластеризація

  • Класифікація (дерева рішень, SVM, kNN)
  • Кластеризація (K-means, Fuzzy C-means, Hierarchical Clustering, DBSCAN)
  • Правила асоціації
  • Ensemble methods (random forests, Xgboost)
  • Machine learning тематичні дослідження в Python

Частина I - когнітивні обчислення та штучний інтелект

  • Аналіз тексту та обробка природних мов (NLP)
  • Підсилення навчання
  • Нейронні мережі та короткий вступ до глибокого навчання
  • Просторово-часова аналітика
  • Когнітивні обчислювальні приклади в Python

Візуальна аналітика та розповіді на основі аналітики

  • Візуальна аналітика та візуалізація
  • Перевірка аналітики
  • Розповідь на основі аналітики
  • Прийняття рішень на основі аналітики