Главная / Курсы / Data Science

Машинное обучение: фундаментальные инструменты и практики

Изучите главные направления machine learning для профессионального роста в хайповой профессии. Вы сформулируете задачу для data science-проекта и спроектируете процесс решения, подберёте алгоритмы и метрики под задачу, научитесь строить модели машинного обучения и оценивать их качество.

Формат

Лекции в записи

Начало обучения

11 апреля

Продолжительность курса

10 месяцев

Где проходит обучение

На собственной платформе

Уровень сложности

Новичок

Этот курс включает

Домашние задания, Видеоуроки в записи, Домашние задания, Видеоуроки в записи, Домашние задания, Видеоуроки в записи, Домашние задания, Видеоуроки в записи, Домашние задания, Видеоуроки в записи

от 62 370 руб.

Перейти на страницу курса

Чему вы научитесь?

Формулировать задачу для data science-проекта. Выдвигать идеи и гипотезы и составлять план решения задачи,Подбирать алгоритмы и метрики под задачу для разных моделей,Строить модели машинного обучения с помощью библиотеки Sklearn,Оценивать качество моделей машинного обучения. Ознакомитесь с подходами предотвращения переобучения, изучите методы оценки ,Интерпретировать результаты и составлять отчёт об исследовании

О курсе

Machine learning — процесс обучения нейронных сетей выявлению закономерностей на основании подготовленных массивов данных. Работающие модели применяют везде: от тяжёлого машиностроения до майнинга криптовалют. Специалистов по глубокому обучению пока мало и они быстро находят себе интересные проекты.
Специалистов по глубокому обучению пока мало и они быстро находят себе интересные проекты. Факультет Нетологии «Аналитика и Data Science» — обладатель «Премии Рунета» в номинации «Образование и кадры» в 2019 году

Программа обучения

Работа с признаками и построение моделей

Научитесь строить основные модели машинного обучения. Узнаете, как работать с деревьями решений, с логистической, линейной регрессией, строить ансамбли моделей. Узнаете, как работать с «грязными» данными и оценивать качество моделей.

Введение в нейронные сети

Научитесь строить простые полносвязные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования нейронных сетей в блоках CV и NLP.

Рекомендательные системы

Вы будете применять полученные знания в разных областях машинного обучения. Во время этого блока научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их.

Временные ряды

Изучите элементарные алгоритмы обработки временных рядов, модели ARIMA, GARCH и прогнозирование значений на их основе. Узнаете, что такое марковские случайные процессы и марковские модели для временных рядов. Научитесь выявлять происхождение и структуру временного ряда, прогнозировать будущие значения для эффективного принятия решений при построении моделей машинного обучения. Поймёте, что скрыто «под капотом» популярных методик и библиотек.

Компьютерное зрение

Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов. Научитесь строить нейросети.

Обработка естественного языка (NLP)

Освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск. Научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты.

Менеджмент data-проектов

Научитесь планировать разработку проектов data science и решение задачи. Сможете грамотно презентовать заказчикам результаты исследований.

Итоговый хакатон

Завершите обучение состязанием с товарищами по курсу: в составе мини-команды за ограниченное время и на основе датасетов крупных игроков рынка вам придётся решать задачи по прогнозированию продаж или оптимизации производства, задействуя все знания и навыки, полученные на курсе. Интеграция и использование ML-решений в бизнесе, как правило, подразумевает командную игру, поэтому хакатон полезен ещё и как тренировка необходимых софт-скиллов.

Дипломный проект

Вы построите ML-модель для решения своих текущих профессиональных задач: это может быть система прогнозирования продаж, распознавание объектов на фото или видео, анализ временных рядов, анализ больших объёмов текста.Если у вас нет идей для своего проекта или доступа к необходимым данным, мы предложим вам учебный кейс в интересной вам области на основе реального датасета других компаний.Дипломная работа выполняется самостоятельно под руководством экспертов курса и позволяет закрепить весь спектр знаний и навыков, полученных на программе.

Перейти на страницу курса