Узнайте о снижении цены

Оставьте ваш email и мы напишем вам когда цена снизится

Курс по машинному обучению

Этот курс по Machine Learning, ориентированный на практику. Подходит для новичков в Data Scientist, программистов и аналитиков. Важно уметь программировать на Python, разбираться в математике и статистике. 
63 000 ₽
36 900 ₽
стоимость обучения
% Беспроцентная рассрочка на 12 мес.
Добавить в избранное
Узнать о снижении цены
Уровень сложности
для специалистов
Длительность
3 мес.
Формат обучения
видеоуроки+вебинары
Домашние задания
да
Обратная связь
да
Стажировка
да
Помощь в трудоустройстве
да
Документ по окончании
сертификат

Программа обучения

  • Основное
  • Содержание программы

Вы изучите принципы математических алгоритмов, современные библиотеки, feature engineering и оценку моделей. В конце обучения на курсе примените все изученные методы на финальном проекте и сможете собрать Git-репозиторий с решенными кейсами.


Модуль 1. Введение в машинное обучение

Знакомитесь с основными задачами и методами machine learning, изучаете практические кейсы и применяете базовый алгоритм работы над ml-проектом.

Модуль 2. Методы предобработки данных

Изучаете типы данных, учитесь очищать и обогащать данные, используете визуализацию для предобработки и осваиваете feature engineering.

Модуль 3. Регрессия

Изучаете типы данных, учитесь очищать и обогащать данные, осваиваете линейную и логистическую регрессию, изучаете границы применимости, аналитический вывод и регуляризацию. Обучаете модели регрессии.

Модуль 4. Кластеризация

Осваиваете обучение без учителя, практикуетесь в его различных методах, работаете с текстами средствами ML.

Модуль 5. Tree-based алгоритмы: введение в деревья

Знакомитесь с решающими деревьями и их свойствами, осваиваете деревья из библиотеки sklearn и используете деревья для решения задачи регрессии.

Модуль 6. Tree-based алгоритмы: ансамбли

Изучаете особенности ансамблей деревьев, практикуете в бустинге, используете ансамбль для построения логистической регрессии.

Модуль 7. Оценка качества алгоритмов

Изучаете принципы разбиения выборки, недо- и переобучение, оцениваете модели по различным метрикам качества, учитесь визуализировать процесс обучения. Оцениваете качество нескольких моделей ML.

Модуль 8. Временные ряды в машинном обучении

Знакомитесь с анализом временных рядов в ML, осваиваете линейные модели и XGBoost, изучаете принципы кросс-валидации и подбора параметров.

Модуль 9. Рекомендательные системы

Изучаете методы построения рекомендательных систем, осваиваете SVD-алгоритм, оцениваете качество рекомендаций обученной модели.

Модуль 10. Финальный хакатон

Применяете все изученные методы для получения максимальной точности предсказаний модели на kaggle.

Чему научат

Использовать основные алгоритмы машинного обучения
Обучать рекомендательную систему
Использовать основные методы предобработки данных
Валидировать данные и оценивать качество алгоритмов

Преимущества курса

Соревнования на kaggle
Помощь с трудоустройством
Возможность пройти стажировку в компании EORA для лучших студентов

Отзывы пользователей

Оставить отзыв о курсе

    Оставьте отзыв о курсе

    Ваш адрес e-mail не будет опуликован
    Ваша оценка:
    Ваш отзыв:
    Достоинства:
    Недостатки:
    Имя:
    Email: