"Kaggle: соревнования" — 7я лекция курса "Траектория обучения data science"
Друзья,
Сообщество Women in Big Data 3 августа в 18.00 приглашает вас на 7й вебинар курса "Траектория обучения data science: Kaggle"!
Вебинар VII: "Kaggle: соревнования"
На вебинаре мы обсудим:
✅ Какие бывают соревнования?
✅ Какие соревнования подойдут новичкам?
✅ Как начать участвовать в соревнованиях?
А также рассмотрим реальное соревнование на Kaggle и разберем основные этапы участия в соревнованиях на его примере!
Спикер: Владислав Девликамов
Kaggle Notebooks Grandmaster, наивысший ранг — 37 в мире.
Закончил бакалавриат Нижегородского государственного университета (ННГУ) по направлению "Прикладная математика и информатика". Продолжает обучение в магистратуре по тому же направлению, также является лаборантом-исследователем в ННГУ и работает интерном по разработке алгоритмов машинного обучения. Основная сфера научных интересов: применением машинного обучения для задач биоинформатики.
О курсе «Траектория обучения data science: Kaggle»
Kaggle.com – это популярная социальная сеть для специалистов в области анализа данных, а также платформа для организации конкурсов по исследованию данных, открытое хранилище наборов данных, облачная среда для программирования и многое другое.
В ходе курса вы познакомитесь с основными возможностями Kaggle, выполните свои первые задания и узнаете, как извлечь пользу из взаимодействия с данной платформой.
Цель этого курса – научить вас свободно взаимодействовать с Kaggle для достижения целей, связанных с анализом данных и машинным обучением.
Также вас ждёт ряд занимательных практических заданий на языке Python, выполнение которых приблизит вас к статусу Kaggle master.
Курс ориентирован на аудиторию, интересующуюся data science и обладающую базовыми знаниями в области программирования (не обязательно на Python) и английского языка.
Ждем вас 3 августа в 18:00 по московскому времени в Zoom.
Регистрация обязательна, чтобы получить на почту данные конференции перед ее началом!
Больше о нас и наших мероприятиях:
Ваши WiBD