Эксклюзивный партнер
Skillfactory в Беларуси
burger
Курс по машинному обучению
Обучение Machine Learning с менторской поддержкой
Включает
Алгоритмы, Регрессия, Кластеризация, Ансамбли
Требования
Для новичков
Для тех, кто хочет
• Освоить алгоритмы машинного обучения
• Поучаствовать в хакатоне
Оценка курса
4.6
3 месяца
Длительность
Формат
онлайн

Пришло время заняться Machine Learning

С 2012 по 2021 годы количество вакансий специалистов по Data Science и машинному обучению выросло в 20 раз. Прямо сейчас стажеров и профессионалов ищут Яндекс, Mail.ru, Сбербанк, Райффайзенбанк, Росбанк, МТС, Tele2, ЦИАН, М-Видео, Северсталь и другие крупные компании.
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.

Курс подойдет вам, если вы:

Новичок

Вы начинающий Data Scientist, уверенно владеете Python, разбираетесь в математике и статистике. Вы сможете систематизировать и углубить полученные самостоятельно или на бесплатных курсах знания, пообщаться с профессионалами, применить модели Machine Learning на практике.

Программист

Вы программируете на Python и столкнулись с задачами машинного обучения в работе. На курсе вы освоите основные алгоритмы машинного обучения, обучите рекомендательную систему и на финальном хакатоне примените все полученные навыки Machine Learning на практике.

Аналитик

Вы аналитик со знанием Python, оперируете большим объемом данных и хотите погрузиться в Machine Learning. На курсе вы узнаете, какие задачи решает машинное обучение, примените основные методы предобработки данных, научитесь валидировать данные и оценивать качество алгоритмов.
ПАРТНЕР КУРСА
Лучшие студенты курса получат возможность пройти стажировку в компании EORA

Из чего состоит курс

Курс включает в себя 10 модулей, более 500 упражнений на закрепление материала, обучение 10 алгоритмов машинного обучения, 2 хакатона на kaggle, чат с сообществом и поддержку менторов

Отработка навыков

Каждая тема разбирается в видео, скринкастах и конспектах и закрепляется десятками упражнений (тесты, дебаггинг кода, проверка кода студента).

Сообщество и ментор

На курсе вы не останетесь один на один с затруднениями — вам помогут не только одногруппники, но и ментор курса.

Обучение моделей

На курсе по каждой теме вы работаете с моделью ML — файнтьюните, создаете с нуля, оптимизируете, пробуете разные методы.

Специализация Data Science состоит из курсов

Курс «Python для анализа данных»
Курс по математике для Data Science
Курс по Machine Learning
Курс по нейронным сетям и deep learning
Курс по Data Engineer
Data-driven management
Python
Math&Stat
Machine Learning

Deep Learning

Data Engineering

Менеджмент

Программа курса «Машинное обучение»

1

Введение в машинное обучение

— Знакомимся с основными задачами и методами Machine Learning, изучаем практические кейсы и применяем базовый алгоритм работы над ML-проектом
— Решаем 50+ задач на закрепление темы
Модуль 1
2

Методы предобработки данных

— Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering
— Решаем 60+ задач на закрепление темы
Модуль 2
3

Регрессия

— Изучаем типы данных, учимся очищать и обогащать данные, осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию
— Обучаем модели регрессии
 — Решаем 40+ задач на закрепление темы
Модуль 3
4

Кластеризация

— Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML
 — Решаем 50+ задач на закрепление темы
Модуль 4
5

Tree-based алгоритмы: введение в деревья

— Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии
 — Решаем 40+ задач на закрепление темы
Модуль 5
6

Tree-based алгоритмы: ансамбли

— Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии
 — Решаем 40+ задач на закрепление темы
 — Участвуем в соревновании на kaggle по обучению tree-based модели
Модуль 6
7

Оценка качества алгоритмов

— Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения
 — Оцениваем качество нескольких моделей ML
 — Решаем 40+ задач на закрепление темы
Модуль 7
8

Временные ряды в машинном обучении

— Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров
 — Решаем 50+ задач на закрепление темы
Модуль 8
9

Рекомендательные системы

— Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели
 — Решаем 50+ задач на закрепление темы
Модуль 9
10

Финальный хакатон

— Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle
Модуль 10
Преподаватели и авторы
Эмиль Магеррамов
COO Data Lab,
компания EORA
Антон Киселев
Head of R&D, компания EORA
Веренцов Сергей
CTO, компания EORA
Эмиль Богомолов
Инженер-исследователь в группе ADASE Сколтех

На курсе обучение не заканчивается

Развитие карьеры и бизнеса
Сообщество
Сертификат школы SkillFactory
10 Jupyter ноутбуков, много готового кода для работы.
Помощь с трудоустройством и стажировкой.
Тусовка специалистов и полезные знакомства.
Сертификат о прохождении курса, при необходимости на английском языке.
Стоимость курса
Старт курса: 13 июня
Период рассрочки 12 месяцев
119 BYN/мес
198 BYN/мес
-40%
Кешбэк 30%: 427 баллов на Lerna
Курс по машинному обучению
Длительность: 3 месяца
Получить доступ к курсу или бесплатную консультацию
Имя
Телефон
Электронная почта
Промокод
Название компании
Получить доступ
status icon
status icon

Часто задаваемые вопросы