Основы машинного обучения

Онлайн курс НИУ ВШЭ посвящён основам анализа данных и машинного обучения. По результатам слушатели освоят способы предобработки и визуализации данных, изучат основные методы машинного обучения (линейные, метрические, решающие деревья и их композиции), научатся оценивать качество моделей. Дистанционный курс пригодится всем, кто хочет «с нуля» погрузиться в область машинного обучения, получить первые практические навыки и начать применять их для решения собственных задач по извлечению пользы из данных.

Практические навыки, получаемые в процессе освоения курса: анализ данных, программирование на Python.

Курс состоит из 11 недель. Каждая неделя содержит видеолекции, тестовые задания и материалы для самостоятельного изучения. В открытом доступе вы можете ознакомиться с видеолекциями первых двух недель, остальные материалы станут доступны после оплаты курса. 

Python, библиотеки numpy, pandas, matplotlib, seaborn, scikit-learn

Перед изучением курса мы рекомендуем вам изучить курсы Цифровая грамотность, Основы программирования на Python, Статистика для анализа данных и Сбор и анализ данных в Python.

1. Основные понятия и задачи в машинном обучении
2. Метод k ближайших соседей
3. Линейная регрессия
4. Градиентный спуск
5. Линейная классификация
6. Логистическая регрессия и метод опорных векторов
7. Решающие деревья
8. Бэггинг и случайный лес
9. Градиентный бустинг
10. Обучение без учителя
11. Рекомендательные системы

• Знает основные способы познания, их эволюцию.
• Умеет применять различные методы машинного обучения для решения поставленных задач, а также оценивать полученный результат.
• Владеет навыками решения практических задач с использованием различных методов машинного обучения.
• Знает основные классы задач машинного обучения.
• Сводит прикладную задачу к основным типам, формализует её и строит математическую модель.
• Решает основные классы задач машинного обучения.
• Знает основные библиотеки, применяемые в решении задач из области машинного обучения.
• Создает эффективные программы для решения задач машинного обучение.
• Владеет навыками автоматического обучения созданных моделей и применяет эти модели для решения прикладных задач с учетом требований информационной безопасности.
• Знает основную терминологию и способы построения технических текстов на русском языке и иностранном языке.
• Анализирует статьи для выявления необходимых знаний.
• Владеет методами сбора, анализа, организации и документирования требований.
• Знает различные способы получения необходимой информации (в том числе с использованием сети Интернет).
• Работает с информацией: находит, оценивает и использует информацию из различных источников, необходимую для решения научных и профессиональных задач.
• Критически отбирает методы решения поставленных задач в области машинного обучения.

• Способен совершенствовать и развивать свой интеллектуальный и культурный уровень, строить траекторию профессионального развития и карьеры (УК-4).
• Способен правильно использовать существующие и вводить новые понятия в области математики и информатики, интегрируя известные факты, концепции, принципы и теории, связанные с прикладной математикой и информатикой (ОПК-2).
• Способен обоснованно выбирать и применять в профессиональной деятельности современные компьютерные технологии в соответствии со спецификой решаемых задач, включая операционные системы, сетевые технологии, языки программирования, языки манипулирования данными, электронные библиотеки, пакеты прикладных программ (ОПК-3).
• Способен анализировать и воспроизводить смысл междисциплинарных текстов с использованием языка и аппарата прикладной математики и информатики (ПК-4).
• Способен осуществлять целенаправленный многокритериальный поиск информации о новейших научных и технологических достижениях в сети Интернет и в других источниках (ПК-7).

 Курс позволяет освоить следующие компетенции в соответствии с Рекомендациями к дополнительным профессиональным программам ИТ-профиля, реализуемым в рамках проекта «Цифровые кафедры» университета–участника программы стратегического академического лидерства «Приоритет-2030»:

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Применяет искусственный интеллект и машинное обучение
Уровень: Продвинутый

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Применяет математический аппарат для решения задач по оценке и разработки моделей
Уровень: Продвинутый

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Решает задачи искусственного интеллекта (ИИ)
Уровень: Экспертный

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Осуществляет сбор и подготовку данных для обучения моделей искусственного интеллекта 
Уровень: Экспертный

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Разрабатывает и применяет методы машинного обучения (МО) для решения задач
Уровень: Экспертный

После завершения курса мы рекомендуем вам обратить внимание на курсы (в последовательности) Математическая статистика и А‍/‍В тестирование, Продвинутые методы машинного обучения, Статистические методы анализа данных. Также рекомендуем обратить внимание на курсы Анализ текстовых данных и Компьютерное зрение.