Математические и инструментальные методы машинного обучения. Часть 3

Стоимость полного доступа к материалам курса — 9000 ₽ (включая НДС 22%). Оплата — единоразово, 100% предоплата. Доступ открывается сразу после оплаты. 

У курса есть бесплатная ознакомительная часть: нажмите на кнопку “Записаться”, этот курс появится у вас в разделе “Мои курсы”, и вы сможете посмотреть бесплатные общедоступные видеолекции, после чего принять решение: покупать курс или нет.

Что вы получите после оплаты:

• Доступ ко всем материалам курса (видеолекции + тесты).
• Возможность пройти итоговый тест с процедурой идентификацией личности (прокторинг).
• Возможность получить электронный сертификат, если наберете 60% баллов за тесты к разделам и итоговый тест. ВАЖНО: сертификат не является документом государственного образца!
• Если вы хотите пройти курс как программу повышения квалификации с выдачей удостоверения гос. образца - напишите на openedu@mephi.ru

Как оплатить и получить доступ ко всем материалам:

• Зарегистрируйтесь на портале openedu.ru.
• Запишитесь на курс (кнопка "Записаться" справа).
• Курс появится в разделе “Мои курсы”, вы сможете посмотреть бесплатную часть.
• Оплатите курс в разделе "Мои курсы".
• Сразу после оплаты вам откроется доступ ко всем материалам.
• Изучайте материалы в удобное время, без дедлайнов и дополнительных проверок.

Хотите официальное удостоверение?

Вы можете пройти повышение квалификации по этому курсу в онлайн-формате. В отличие от сертификата, удостоверение о повышении квалификации — это официальный документ государственного образца (72 часа, ФИС ФРДО).

Записаться на программу повышения квалификации можно по ссылке.

Стоимость доступа к материалам курса за исключением ознакомительной части (включая тестовые материалы и возможность пройти экзамен с прокторингом и получить сертификат) составляет 3600 рублей. Для этого нужно пройти текущее тестирование не меньше чем на 60% и итоговый тест не меньше чем на 60%.

Платформа RapidMiner

Модуль 1. Классификация  (Неделя 1)

Урок 13. Постановка задачи классификации/Задача классификации с учителем. Понятие и свойства класса. Обзор основных методов классификации. Байесовская наивная классификация/Понятие байесовского классификатора.

Урок 14. Деревья решений в задачах классификации/Понятие деревьев решений. Примеры.

Модуль 2. Методы поиска ассоциативных правил (Неделя 2)

Урок 15. Понятие правил ассоциации. Метод Apriori. Метод FP-Growth. Примеры.

Урок 16. Понятие шаблона последовательных событий. Метод Apriori. Метод GSP.

Модуль 3. Интеллектуальный анализ текста. (Неделя 3)

Урок 17. Токенизация. Векторизация. Регулярные выражения.

Урок 18. Стемминг. Лемматизация. Удаление стоп-слов. Анализ тональности.

Знание основных стандартов и методологии анализа и обработки социально-экономических данных

Знание основных методов описания и визуализации структуры социально-экономических данных

Знание основных методов сокращения размерности многомерных задач

Знание основных методов поиска закономерностей в массивах социально-экономических данных

Знание основных методов анализа качественных и текстовых данных

Умение  описывать и визуализировать исходные социально-экономические данные

Умение проводить обработку исходных социально-экономических данных

Умение искать закономерности в исходных социально-экономических данных

Умение создавать прогнозы на основании исходных социально-экономических данных

Владение методами описания и визуализации социально-экономических данных

Владение методами анализа и обработки социально-экономических данных

Владение методами анализа качественных и текстовых данных

Владение инструментальными средствами анализа и обработки социально-экономических данных

В результате обучения по курсу слушатель будет 

Знать:

• Основные стандарты и методологии анализа и обработки социально-экономических данных.
• Основные методы описания и визуализации структуры социально-экономических данных
• Основные методы сокращения размерности многомерных задач
• Основные методы поиска закономерностей в массивах социально-экономических данных
• Основные методы анализа качественных и текстовых данных

Уметь:

• Описывать и визуализировать исходные социально-экономические данные
• Проводить обработку исходных социально-экономических данных
• Искать закономерности в исходных социально-экономических данных
• Создавать прогнозы на основании исходных социально-экономических данных

Владеть:

• Методами описания и визуализации социально-экономических данных
• Методами анализа и обработки социально-экономических данных
• Методами анализа качественных и текстовых данных
• Инструментальными средствами анализа и обработки социально-экономических данных