2024/2025




Подготовка к собеседованиям на позиции исследователя данных и инженера машинного обучения
Статус:
Маго-лего
Когда читается:
3 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Кантонистова Елена Олеговна
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
Курс посвящен обзору навыков и знаний, необходимых для успешного прохождения собеседований на позиции Data Scientist и Machine Learning Engineer на позиции Junior, Middle и Middle+
Цель освоения дисциплины
- Знать темы, которые спрашивают на секции “Математика”
- Знать темы, которые спрашивают на секциях “Machine Learning” и “Deep Learning”
- Знать темы, которые спрашивают на секции “Алгоритмы”
- Знать темы, которые спрашивают на секции “ML System Design”
- Знать темы, которые спрашивают на секции “Data Engineering” и “MLOps”
Планируемые результаты обучения
- Студент знаком с темами, которые необходимо знать при прохождении собеседований на позиции Data Scientist и Machine Learning Engineer.
Содержание учебной дисциплины
- Математика
- Машинное обучение
- Глубинное обучение
- Дизайн систем машинного обучения
- Алгоритмы
- Инструменты разработчика (MLOps)
Промежуточная аттестация
- 2024/2025 3rd moduleИтог = Округление(ДЗ), где ДЗ — средняя оценка за все домашние задания.
Список литературы
Рекомендуемая основная литература
- Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
- Гефан, Г. Д. Теория вероятностей. Случайные процессы : практикум : учебное пособие / Г. Д. Гефан, Н. К. Ширяева. — Иркутск : ИрГУПС, 2018. — 56 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/117554 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Глубокое обучение : погружение в мир нейронных сетей, Николенко, С., 2018