Узнайте о снижении цены

Оставьте ваш email и мы напишем вам когда цена снизится

Machine Learning. Advanced

Программа рассчитана на тех, кто уже работает в сфере Machine Learning. На этом курсе вы освоите продвинутые приёмы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами.
80 000 ₽
стоимость обучения
% Беспроцентная рассрочка на мес.
Узнать о снижении цены
Уровень сложности
для специалистов
Длительность
5 мес.
Формат обучения
видеоуроки+вебинары
Домашние задания
да
Обратная связь
да
Документ по окончании
сертификат

Программа обучения

  • Основное
  • Содержание программы

Обучение проходит на реальных рабочих кейсах. Отдельный модуль посвящен работе в production: настройке окружения, оптимизации кода, построению end-to-end пайплайнов и внедрению решений.

Модуль 1. Advanced Machine Learning. AutoML
  • Тема 1. Production Code проекта на примере задачи классификации/регрессии, Virtual environments, dependency management, pypi/gemfury
  • Тема 2. Практическое занятие - Оптимизация кода, parallelization, multiprocessing, ускорение pandas, Modin для Pandas
  • Тема 3. Advanced Data Preprocessing. Categorical Encodings
  • Тема 4. Featuretools - а вы что, за меня и признаки придумывать будете?
  • Тема 5. H2O и TPOT - а вы что, за меня и модели строить будете?
Модуль 2. Production
  • Тема 6. Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей
  • Тема 7. REST-архитектура: Flask API
  • Тема 8. Docker: Структура, применение, деплой
  • Тема 9. Kubernetes, контейнерная оркестрация
  • Тема 10. Практическое занятие по работе в проде: деплой докера в AWS
Модуль 3. Временные ряды
  • Тема 11. Извлечение признаков. Fourier и Wavelet transformation, Automatic Feature generation - tsfresh
  • Тема 12. Unsupervised подходы: Кластеризация временных рядов
  • Тема 13. Unsupervised подходы: Сегментация временных рядов
Модуль 4. Рекомендательные системы. Задача ранжирования
  • Тема 14. Рекомендательные системы 1. Explicit feedback
  • Тема 15. Рекомендательные системы 2. Implicit feedback
  • Тема 16. Задача ранжирования - Learning to rank
  • Тема 17. Практическое занятие по рекомендательным системам. Surpsise!
  • Тема 18. Q&A
Модуль 5. Графы
  • Тема 19. Введение в графы: основные понятия. NetworkX, Stellar
  • Тема 20. Анализ графов и интерпретация. Community Detection
  • Тема 21. Link Prediction и Node Classification
  • Тема 22. Практическое занятие: Хейтеры в Twitter
Модуль 6. Bayesian Learning, PyMC
  • Тема 23. Введение в вероятностное моделирование, апостериорные оценки, сэмплирование
  • Тема 24. Markov Chain Monte-Carlo (MCMC), Metropolis–Hastings
  • Тема 25. Байесовское АB тестирование
  • Тема 26. Generalized linear model (GLM) - байесовские регрессии, вывод апостериорных оценок коэффициентов
  • Тема 27. Практическое занятие по GLM
  • Тема 28. Байесовская сеть доверия: практическая занятия
  • Тема 29. Практическое занятие по логит-регрессии
Модуль 7. Reinforcement Learning
  • Тема 30. Введение в обучение с подкреплением
  • Тема 31. Multi-armed bandits для оптимизации AB тестирования, от теории - сразу в бой
  • Тема 32. Практическое занятие: Multi-armed bandits в ecommerce: search оптимизация
  • Тема 33. Markov Decision Process, Value function, Bellman equation
  • Тема 34. Value iteration, Policy iteration
  • Тема 35. Практическое занятие: медицинский кейс Markov Chain Monte Carlo
  • Тема 36. Temporal Difference (TD) и Q-learning
  • Тема 37. SARSA и Практическое занятие: финансовый кейс TD и Q-learning
  • Тема 38. Q&A
Модуль 8. Проектная работа
  • Тема 39. Консультация по проекту, выбор темы
  • Тема 40. Бонус: Поиск Data Science работы
  • Тема 41. Защита проектных работ

Чему научат

Настраивать окружение и писать production код, готовый к внедрению
Работать с AutoML подходами и понимать ограничения в их применении
Понимать и уметь применять Байесовские методы и обучение с подкреплением для соответствующих задач
Решать нестандартные проблемы, возникающие в рекомендательных системах, временных рядах и графах

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: