Основы интеллектуального анализа данных и машинного обучения

Стоимость полного доступа к материалам курса — 10000 ₽ (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.

Десять последовательно связанных модулей (наименования есть в программе курса), в каждом модуле от 2 до 4 уроков (лекций), контрольные вопросы, зачетные материалы в электронной форме. 

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%.

Основная литература:

1. Han J., Kamber M., Pei J. Data mining: Concepts and techniques. Morgan Kaufmann, 2012. 740 pp.
2. Aggarwal C. Data mining: The textbook. Springer, 2015. 746 pp.
3. Барсегян А.А. Анализ данных и процессов. Учебное пособие для вузов. СПб.: БХВ-Петербург, 2009. 512 с.
4. Hastie T., Tibshirani R., Friedman J. The elements of statistical learning. 764 pp.

Дополнительная литература:

1. Маккинни У. Python и анализ данных. М.: ДМК Пресс, 2015. 482 с.
2. Мюллер А., Гвидо С. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными. М.: Вильямс, 2017. 470 с.
3. Дж. Вандер Плас. Python для сложных задач. Наука о данных и машинное обучение. СПб.: Питер, 2018. 576 с.
4. Лесковец Ю., Раджараман А., Ульман Дж. Анализ больших наборов данных / пер. с англ. Слинкин А.А. – М.: ДМК Пресс, 2016. – 498 с.
5. Плас Дж. В. Python для сложных задач: наука о данных и машинное обучение. 576 стр.

Знание основ информатики, основ теории вероятностей и математической статистики. Желательно знакомство с основами методов оптимизации.

• Модуль 1. Введение в анализ данных.
• Модуль 2. Предобработка и постобработка данных.
• Модуль 3. Поиск шаблонов и ассоциативных правил.
• Модуль 4. Кластеризация.
• Модуль 5. Поиск аномалий.
• Модуль 6. «Обучение с учителем»: теоретические основы.
• Модуль 7. Элементарные методы классификации.
• Модуль 8. Элементарные методы восстановления регрессии.
• Модуль 9. Линейные методы классификации и восстановления регрессии.
• Модуль 10. Композиции алгоритмов классификации и регрессии.

Знание основных методов интеллектуального анализа данных, основных методов решения задач машинного обучения.

Умение применять при решении прикладных задач методы и алгоритмы поиска часто встречающихся шаблонов, классификации, кластеризации, восстановления регрессии.

Навык самостоятельной постановки конкретных задач научных исследований в области ИБ или информационно-аналитических систем безопасности и решения их с использованием новейшего отечественного и зарубежного опыта; навык планирования и организации предпроектных исследований объектов обеспечения ИБ или объектов информационноаналитических систем безопасности.

В результате обучения по курсу слушатель получит:

• Знание основных методов интеллектуального анализа данных, основных методов решения задач машинного обучения.
• Умение применять при решении прикладных задач методы и алгоритмы поиска часто встречающихся шаблонов, классификации, кластеризации, восстановления регрессии.
• Навык самостоятельной постановки конкретных задач научных исследований в области ИБ или информационно-аналитических систем безопасности и решения их с использованием новейшего отечественного и зарубежного опыта; навык планирования и организации предпроектных исследований объектов обеспечения ИБ или объектов информационноаналитических систем безопасности.