Программа

Программа рассчитана на тех, кто уже работает в сфере Machine Learning. 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 на курсе

—

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

О школе

4.7

18 отзывов

101 курс

OTUS

Онлайн-школа OTUS с 2017 года проводит обучение по авторским курсам в сфере IT. Миссия компании в том, чтобы научить IT-специалистов решать сложные задачи, искать интересные проекты, дать возможность присоединиться к профессиональному сообществу для развития отрасли информационных технологий и экономики в целом.

На курсах преподают 400 преподавателей, каждый из которых является экспертом в IT-индустрии. На курсах OTUS обучились более 12 000 человек, которые получили качественные знания, востребованные работодателями во всем современном мире.