SkillFactory
Глобальный
Курс
Online
8 марта 2022
12 недель
Стоимость курса
63 000 RUB
Подробности и регистрация

Machine Learning

Рассрочка
Навыки, которые вы получите:
Feature engineering Tree-based алгоритмы Deep learning Data engineer Math&stat Python

Совместно с профи из российских Data Science компаний мы разработали курс Machine Learning, ориентированный на практику. Вы изучите принципы математических алгоритмов, современные библиотеки, feature engineering и оценку моделей. В конце обучения на курсе примените все изученные методы на финальном проекте и сможете собрать Git-репозиторий с решенными кейсами.

Кому подойдет курс

  • Новичкам. 
  • Программистам. 
  • Аналитикам. 

Программа 

  1. Введение в машинное обучение
    Знакомитесь с основными задачами и методами machine learning, изучаете практические кейсы и применяете базовый алгоритм работы над ml-проектом.
  2. Методы предобработки данных
    Изучаете типы данных, учитесь очищать и обогащать данные, используете визуализацию для предобработки и осваиваете feature engineering.
  3. Регрессия
    Изучаете типы данных, учитесь очищать и обогащать данные, осваиваете линейную и логистическую регрессию, изучаете границы применимости, аналитический вывод и регуляризацию. Обучаете модели регрессии. Используете  визуализацию для предобработки и осваиваете feature engineering. 
  4. Кластеризация
    Осваиваете обучение без учителя, практикуетесь в его различных методах, работаете с текстами средствами ML. 
  5. Tree-based алгоритмы: введение в деревья
    Знакомитесь с решающими деревьями и их свойствами, осваиваете деревья из библиотеки sklearn и используете деревья для решения задачи регрессии. 
  6. Tree-based алгоритмы: ансамбли 
    Изучаете особенности ансамблей деревьев, практикуетесь в бустинге, используете ансамбль для построения логистической регресси. Участвуете в соревновании на kaggle по обучению tree-based модели.
  7. Оценка качества алгоритмов
    Изучаете принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения. Оцениваете качество нескольких моделей ML.
  8. Временные ряды в машинном обучении
    Знакомитесь с анализом временных рядов в ML, осваиваете линейные модели и XGBoost, изучаете принципы кросс-валидации и подбора параметров.
  9. Рекомендательные системы
    Изучаете методы построения рекомендательных систем, осваиваете SVD-алгоритм, оцениваете качество рекомендаций обученной модели.
  10. Финальный хакатон
    Применяете все изученные методы для получения максимальной точности предсказаний модели на kaggle.

Чему вы научитесь

  • Изучите основные алгоритмы машинного обучения. 
  • Выполните 500+ упражнений на закрепление материала. 
  • Поучаствуете в хакатоне на Kaggle.
Нам нужен ваш фидбек!
Честный и беспристрастный