up

Введение в машинное обучение

33 days
Before the end of the enrollment
  • Russian

    course language

  • 14 weeks

    course duration

  • about 4 hours per week

    needed to educate

  • 2 credit points

    for credit at your university

Курс предоставляет доступ к базовому набору знаний теории вероятности, математической статистики и математической основы алгоритмов для решения задач машинного обучения. Также дает практические навыки анализа данных и создания моделей машинного обучения на языке программирования Python.

About

Повсеместное внедрение в промышленности все большего количества устройств по сбору данных предполагает наличие аналитиков, способных выявлять закономерности в данных, дающих возможности для роста бизнеса.

В курсе рассматриваются ключевые этапы анализа данных от сбора и предварительной очистки до валидации создаваемых моделей машинного обучения. Приведена категоризация решаемых задач, рассмотрены основные алгоритмы для каждого из типа задач, на практических кейсах закреплены теоретические знания.

Format

Курс ориентирован на слушателей различной начальной подготовки.

Практические задания, связанные с реализацией различных алгоритмов машинного обучения и анализа данных, для слушателей, имеющих соответствующую подготовку по программированию, вынесены в блок самостоятельной работы. Лекционный материал и практические задания направлены на общее понимание подходов к построению и проверке статистических гипотез, подготовке данных для последующего анализа и обучения алгоритмов машинного обучения.

Практические задания представляют собой файлы формата *.ipynb (тетрадки jupyter notebook), выполнять задания возможно в любой удобной среде программирования, поддерживающей подобные файлы (Google Colab, Jupyter Notebook, PyCharm, ...).

Course program

Программа курса охватывает ключевые темы направления Машинное обучение: от теории вероятности и математической статистики до оченки качества алгоритмов машинного обучения, также дается основная терминология этого направления.

На конкретных практических кейсах показаны основные особенности базовых алгоритмов машинного обучения и подходов к оценке качества работы этих моделей. В завершении курса автором показываются возможные варианты развития студентов как специалистов в области Data Science.

Краткая структура курса:

  1. Введение в курс.
  2. Распределения и их основные характеристики.
  3. Обучение с учителем
  4. Обучение без учителя
  5. Работа Аналитиком данных/Специалистом Data Science

Education results

После завершения этого курса слушатели

  • получат представление об основных направлениях, подходах к анализу поведения работников в организациях
  • узнают о влиянии различных факторов на конкретные виды поведения сотрудников и эффективность их трудовой деятельности 
  • смогут отличить популярные, стереотипные объяснения поведения людей на рабочем месте от научно обоснованных 

Formed competencies

Способен на основании совокупности существующих математических методов разрабатывать, обосновывать и реализовывать процедуры решения задач профессиональной деятельности

Education directions

Перец Дмитрий Сергеевич


Position: Ассистент Физико-механического института, руководитель по ML и клиентской аналитике, Yota

Certificate

По данному курсу возможно получение сертификата.

Стоимость прохождения процедур оценки результатов обучения с идентификацией личности - 1800 ₽. Стоимость действительна до 28 февраля 2023 года. Далее цена будет увеличена.

Similar courses