Образовательная платформа
Найди себя в Skillbox Скидка 35% действует 0 дней 00:00:00
Записаться на курс

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.

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.

О Skillbox

Skillbox —
по качеству обучения. Вся теория записана с топовыми экспертами рынка, а практика максимально приближена к реальным рабочим задачам. Послушайте, что говорят те, кто уже достиг своих целей вместе со Skillbox.
  • Старт курса: 9 сентября
  • Осталось: 4 места

Стоимость курса

  • Длительность рассрочки — 22 месяца
  • Отсрочка платежа — 3 месяца
  • 10 994 ₽ /мес
  • 16 914 ₽ /мес
Найди себя в Skillbox Скидка 35% действует 0 дня 00:00:00

Записаться на консультацию или оплатить на сайте

Похоже, произошла ошибка. Попробуйте отправить снова или перезагрузите страницу.

Нажимая на кнопку, я соглашаюсь на обработку персональных данных,  с правилами пользования Платформой и публичной офертой, правилами акции «Поможем найти работу или вернем деньги»

Спасибо!

Ваша заявка успешно отправлена

Вам может понравиться