Машинное обучение: фундаментальные инструменты и практики

Курс для тех, кто хочет получить прикладной опыт создания работающих нейронных сетей вместо «обзора по верхам». Закладываем фундамент для развития на уровне middle 

Машинное обучение: фундаментальные инструменты и практики
Цена
75000
Кэшбэк до 7,5%
5 месяцев5 месяцев
Сертификат гос. образцаСертификат гос. образца
РусскийРусский
Нетология
Купить с кэшбэком

Описание:

Machine learning — процесс обучения нейронных сетей выявлению закономерностей на основании подготовленных массивов данных. Работающие модели применяют везде: от тяжёлого машиностроения до майнинга криптовалют. Специалистов по глубокому обучению пока мало и они быстро находят себе интересные проекты. 

Для кого этот курс

  • Разработчики. Курс даёт хорошую базу для перехода в новую область программирования. У вас появятся другие интересные задачи и возможность роста доходов. 
  • Аналитики. Вы получите знания ведущих экспертов отрасли, в короткие сроки углубитесь в специализацию и выйдете на следующий уровень профессии. 
  • Математики. Найдёте применение знаниям в математике и сможете перейти в новую сферу.

Чему вы научитесь на курсе

  • Формулировать задачу для data science-проекта. Выдвигать идеи и гипотезы и составлять план решения задачи
  • Подбирать алгоритмы и метрики под задачу для разных моделей. На примерах изучите основные алгоритмы и узнаете, в каких случаях их использовать
  • Строить модели машинного обучения с помощью библиотеки Sklearn. Рассмотрите примеры кода обучения, научитесь применять знания на практике
  • Оценивать качество моделей машинного обучения. Ознакомитесь с подходами предотвращения переобучения, изучите методы оценки
  • Интерпретировать результаты и составлять отчёт об исследовании. Научитесь сравнивать алгоритмы на готовых датасетах, определять методы улучшения качества 

Программа курса:

  • Построение модели

Узнаете, что такое библиотека Sklearn и как ею пользоваться. Изучите алгоритмы кластеризации и сможете строить ансамбли моделей. Научитесь оценивать модели и работать с переобучением. Узнаете, как использовать в работе GridSearch и RandomizedSearch, Model Specific CV, Out of Bag approach 

  • Работа с заказчиком

Вы научитесь планировать разработку data science проектов, а также грамотно рассказывать заказчикам о результатах исследований. 

  • Рекомендательные системы

В этом и следующих блоках вы будете применять полученные знания в разных областях машинного обучения. Во время этого блока научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их. 

  • Компьютерное зрение

Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов, а также научитесь строить нейросети. 

  • Обработка естественного языка (NLP)

Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты. 

  • Временные ряды

На этом интенсивном блоке вы научитесь выявлять происхождение и структуру временного ряда, прогнозировать будущие значения для эффективного принятия решений при построении моделей машинного обучения. Поймёте, что «под капотом» у популярных методик и библиотек. 

  • Итоговый хакатон

Завершим обучение состязанием с товарищами по курсу: в составе миникоманды за ограниченное время и на основе датасетов крупных игроков рынка вам придётся решать задачи по прогнозированию продаж или оптимизации производства, задействуя все знания и навыки, полученные на курсе.

Интеграция и использование machine learning решений в бизнесе, как правило, подразумевает командную игру, поэтому хакатон полезен ещё и как тренировка необходимых soft skills.

  • Дипломная работа

В рамках дипломного проекта вы построите ML-модель для решения своих текущих профессиональных задач: это может быть система прогнозирования продаж, распознавание объектов на фото или видео, анализ временных рядов, анализ больших объёмов текста, и т. д.

Если в моменте у вас нет идей для своего проекта (или доступа к необходимым данным), мы предложим вам учебный кейс в интересной вам области на основе реального датасета других компаний.Дипломная работа выполняется самостоятельно под руководством экспертов курса и позволяет закрепить весь спектр знаний и навыков, полученных на программе.