![](https://cdn.skillbox.pro/landgen/blocks/sales/136571/sm/84321ca1-c619-4d1c-bd97-850b0bc5431f.png)
![](https://cdn.skillbox.pro/landgen/blocks/start-screen/156290/sm/79840843-c2d8-46d4-bc1d-8f9831a26ca3.png)
Data Scientist. ML. Начальный уровень
Вы научитесь создавать и обучать модели Machine Learning для анализа данных. Овладеете методами регрессии, классификации, кластеризации, понижения размерности, бустинга и стекинга. Узнаете, как решать реальные задачи с помощью Kaggle.
- Никакой “воды” только нужные и актуальные знания
- Обучение в удобное время учитесь в комфортном для себя темпе
- Бессрочный доступ ко всем материалам курса
- Старт обучения Набор группы закрыт
Кому подойдёт этот курс
- Разработчикам
Тем, кто хочет прокачать свои навыки в анализе данных и создании ML-моделей, чтобы интегрировать машинное обучение в свои проекты и создавать интеллектуальные приложения
- Аналитикам
Для тех, кто хочет углубить свои знания в статистике и применении алгоритмов машинного обучения, чтобы анализировать большие объёмы данных и делать прогнозы
- Исследователям
Тем, кто хочет изучить основы ML и применения их в исследовательских проектах для работы с данными и статистическими методами
Чему вы научитесь
-
Владение основными концепциями и методами Machine Learning
-
Использование ML в реальных сценариях
-
Создание и настройка модели регрессии и классификации
-
Владение методами обучения для анализа данных
-
Знакомы с нейронными сетями и обучением с подкреплением
-
Измерение и улучшение качества моделей с помощью метрик
-
Применение регуляризации и избегание переобучения
-
Понимание градиентного спуска и его роли в обучении моделей
-
Владение алгоритмами классификации и методами кластеризации
Содержание курса
Вы освоите ключевые концепции Machine Learning, жизненный цикл проекта, регрессию, классификацию, кластеризацию и многое другое.
Основные концепции Machine Learning
Познакомитесь с основами машинного обучения: применение в реальных задачах, обучение с учителем (регрессия и классификация), обучение без учителя (кластеризация) и обучение с подкреплением. Изучите нейронные сети и ансамблирование.
Жизненный цикл ML-проекта
Узнаете об этапах жизненного цикла проекта машинного обучения: работой с данными и моделированием.
Регрессия. Часть 1
Изучите линейную регрессию, метрики качества и способы трансформации входных данных для повышения качества модели.
Регрессия. Часть 2
Узнаете о регуляризации и её применении в регрессии, а также о проблеме переобучения. Освоите градиентный спуск как метод обучения моделей.
Классификация. Часть 1
Изучите метод ближайших соседей (kNN), наивный байесовский классификатор и деревья решений для задач классификации.
Классификация. Часть 2
Освоите метрики качества для оценки результатов классификации, а также научитесь работать с многоклассовой классификацией.
Кластеризация
Познакомитесь с задачей кластеризации и алгоритмом K-средних. Узнаете, как выбирать количество кластеров и оценивать качество кластеризации.
Дополнительные техники. Часть 1
Изучите методы понижения размерности данных, включая применение PCA, SVD-преобразование и трансформацию t-SNE.
Дополнительные техники. Часть 2
Овладеете техниками бустинга (Gradient Boosting и XGBoost) и стекинга для повышения качества моделей. Узнаете, как применять их в практике и создавать составные модели.
Знакомство с Kaggle
В данном модуле вы узнаете о Kaggle – платформе для соревнований по машинному обучению. Познакомитесь с её особенностями, средой разработки и работой с ноутбуками и ядрами для анализа данных.
Получить презентацию курса и консультацию специалиста
О Skillbox
- Старт курса: 9 сентября
- Осталось: 4 места
Стоимость курса
- Длительность рассрочки — 22 месяца
- Отсрочка платежа — 3 месяца
- 10 994 ₽ /мес
- 16 914 ₽ /мес
![](https://cdn.skillbox.pro/landgen/blocks/sales/136571/sm/84321ca1-c619-4d1c-bd97-850b0bc5431f.png)
Вам может понравиться
![](https://cdn.skillbox.pro/wbd-front/skillbox-static/general/trap-popup/trap-popup-trial-sm@1x.png)
- Санкт-Петербург
- Алматы
- Минск
- Москва
- Санкт-Петербург
- Алматы
- Волгоград
- Воронеж
- Екатеринбург
- Казань
- Красноярск
- Нижний Новгород
- Новосибирск
- Омск
- Пермь
- Ростов-на-Дону
- Уфа
- Челябинск
- Вологда
- Гомель
- Ижевск
- Иркутск
- Калининград
- Кемерово
- Киров
- Краснодар
- Курск
- Липецк
- Махачкала
- Оренбург
- Пенза
- Ростов
- Рязань
- Саратов
- Сочи
- Ставрополь
- Сургут
- Тверь
- Тольятти
- Томск
- Тула
- Тюмень
- Ульяновск
- Хабаровск
- Чебоксары