Введение в машинное обучение

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.

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, ...).

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

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 

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