Узнайте о снижении цены

Оставьте ваш email и мы напишем вам когда цена снизится

Machine Learning. Professional

Вы освоите современные инструменты анализа данных и сможете на профессиональном уровне создавать модели машинного обучения. Для прохождения программы нужны навыки программирования на Python, знания математического анализа и линейной алгебры, знания теории вероятностей и мат. статистики.
70 000 ₽
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
Помощь в трудоустройстве
да
Документ по окончании
сертификат

Программа обучения

  • Основное
  • Содержание программы

На курсе для закрепления навыков с каждым алгоритмом вы будете проводить полный pipeline работ от подготовки датасета до анализа результатов и подготовки к продакшену. После курса вы сможете претендовать на позиции уровня Junior- и Middle-специалиста.

Модуль 1. Продвинутые методы машинного обучения
  • Тема 1. Вводный урок. Повторение основных концепций машинного обучения на практическом примере
  • Тема 2. Деревья решений
  • Тема 3. Python для ML: пайплайны, ускорение pandas, мультипроцессинг
  • Тема 4. Ансамбли моделей
  • Тема 5. Градиентный бустинг
  • Тема 6. Метод опорных векторов
  • Тема 7. Методы уменьшения размерности
  • Тема 8. Обучение без учителя. K-means, EM алгоритм
  • Тема 9. Обучение без учителя. Иерархическая кластеризация. DB-Scan
  • Тема 10. Поиск аномалий в данных
  • Тема 11. Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей
  • Тема 12. Алгоритмы на графах
Модуль 2. Сбор данных. Анализ текстовых данных.
  • Тема 13. Сбор данных
  • Тема 14. Анализ текстовых данных. Часть 1: Предобработка и токенизация
  • Тема 15. Анализ текстовых данных. Часть 2: Векторные представления слов, работа с предобученными эмбеддингами
  • Тема 16. Анализ текстовых данных. Часть 3: Named Entity Recognition
  • Тема 17. Анализ текстовых данных. Часть 4: Тематическое моделирование
  • Тема 18. Q&A
Модуль 3. Анализ Временных рядов
  • Тема 19. Анализ временных рядов. Часть 1: Постановка задачи, простейшие методы. ARIMA-модель
  • Тема 20. Анализ временных рядов. Часть 2: Извлечение признаков и применение моделей машинного обучения. Автоматическое прогнозирование
  • Тема 21. Анализ временных рядов Часть 3: Кластеризация временных рядов (ищем связанные котировки акций)
Модуль 4. Рекомендательные системы
  • Тема 22. Рекомендательные системы. Часть 1: Постановка задачи, метрики качества. Коллаборативная фильтрация. Холодный старт
  • Тема 23. Рекомендательные системы. Часть 2: Контентная фильтрация, гибридные подходы. Ассоциативные правила
  • Тема 24. Рекомендательные системы. Часть 3: Implicit feedback
  • Тема 25. Практическое занятие по рекомендательным системам. Surpsise
  • Тема 26. Q&A
Модуль 5. Дополнительные темы
  • Тема 27. Kaggle тренировка по ML №1
  • Тема 28. Kaggle тренировка по ML №2
  • Тема 29. ML в Apache Spark
  • Тема 30. Поиск Data Science работы
Модуль 6. Проектная работа
  • Тема 31. Выбор темы и организация проектной работы
  • Тема 32. Консультация по проектам и домашним заданиям
  • Тема 33. Защита проектных работ

Чему научат

Создавать модели машинного обучения
Собирать данные. Анализировать текстовые данные
Работать с рекомендательными системами
Использовать продвинутые методы машинного обучения

Преимущества курса

Проекты для портфолио
Приглашение на собеседование в компаниях-партнёрах школы в случае успешного обучения

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: