Дистанционный курс

Математика и Machine Learning для Data Science

Дата

В любое время

Цена

45870

Компания

Место проведения

Онлайн

Программа курса по математике

Часть 1. Линейная алгебра

  • Изучение векторов и разновидностей матриц
  • Овладение операциями с матрицами
  • Определение линейной зависимости через матрицы
  • Изучение обратных, вырожденных и невырожденных матриц
  • Разбор систем линейных уравнений, собственных и комплексных чисел
  • Освоение матричного и сингулярного разложения
  • Решение задач с помощью матриц для выявления линейной зависимости
  • Оптимизация с применением метода главных компонент
  • Укрепление математической базы линейной регрессии

Часть 2. Основы математического анализа

  • Изучение функций одной и нескольких переменных, производных
  • Понимание градиента и метода градиентного спуска
  • Решение задач оптимизации с использованием различных методов
  • Освоение множителей Лагранжа, метода Ньютона и имитации отжига
  • Применение производных и численных методов для предсказаний и поиска оптимальных стратегий
  • Закрепление основ градиентного спуска и имитации отжига

Часть 3. Теория вероятностей и статистика

  • Введение в описательную и математическую статистику
  • Изучение основ комбинаторики
  • Анализ ключевых распределений и корреляций
  • Понимание теоремы Байеса
  • Изучение наивного байесовского классификатора
  • Решение задач комбинаторики, валидации и прогнозирования с использованием статистики и теории вероятности
  • Укрепление знаний классификации и логистической регрессии

Часть 4. Временные ряды и дополнительные математические методы

  • Обзор анализа временных рядов
  • Изучение более сложных типов регрессий
  • Прогнозирование бюджета с помощью временных рядов
  • Закрепление математической базы классических моделей машинного обучения

Краткий обзор курса по машинному обучению

Наставник будет сопровождать вас на протяжении всего обучения.

Модуль 1. Введение в машинное обучение

  • Изучение ключевых задач и методов machine learning, разбор практических примеров и базового алгоритма работы с ML-проектом
  • Выполнение более 50 практических заданий

Модуль 2. Методы предобработки данных

  • Разбор типов данных, очистка и обогащение данных, визуализация и освоение feature engineering
  • Выполнение более 60 практических заданий

Модуль 3. Регрессия

  • Освоение линейной и логистической регрессии, понимание ограничений и регуляризации, обучение моделей регрессии
  • Выполнение более 40 практических упражнений

Модуль 4. Кластеризация

  • Практика методов обучения без учителя, работа с различными техниками кластеризации и текстовыми данными
  • Выполнение более 50 заданий

Модуль 5. Деревья решений

  • Знакомство с деревьями решений, работа с библиотекой sklearn, применение деревьев для регрессии
  • Выполнение более 40 практических заданий

Модуль 6. Ансамбли деревьев

  • Изучение ансамблей деревьев, практика бустинга и построения логистической регрессии на их основе
  • Выполнение более 40 практических упражнений
  • Участие в Kaggle-соревновании по обучению моделей на основе деревьев

Модуль 7. Оценка качества алгоритмов

  • Изучение методов разбиения выборки, предотвращения переобучения, оценка моделей по разным метрикам, визуализация обучения
  • Оценка качества нескольких моделей
  • Выполнение более 40 практических задач

Модуль 8. Временные ряды в машинном обучении

  • Анализ временных рядов в ML, освоение линейных моделей и XGBoost, методы кросс-валидации и подбора параметров
  • Выполнение более 50 заданий

Модуль 9. Рекомендательные системы

  • Изучение создания рекомендательных систем, освоение алгоритма SVD, оценка качества рекомендаций
  • Выполнение более 50 практических заданий

Модуль 10. Финальный хакатон

  • Применение всех изученных методов для максимизации точности модели на Kaggle

SkillFactory, онлайн-школа

Мы учим новое поколение профессионалов в Data Science и аналитике

Обучаем Python, Data Science, Machine Learning, разработке и управлению продуктами.

  • Знания из первых рук: Программы создают практики отрасли, которые в курсе всех трендов в Data Science.

  • Реальные учебные проекты: Вы работаете над прикладными задачами и пополняете свое портфолио.

  • Менторы всегда на связи: Наши эксперты быстро окажут вам помощь с учебой и поднимут мотивацию.

  • Учеба в хорошей компании: Вы станете частью сообщества студентов и преподавателей, которых объединяет любовь к Data Science.

Эффективный формат онлайн-обучения

  • Занимайтесь в своем темпе
    Наши курсы ориентированы на тех, кто работает и хочет сам регулировать нагрузку. Занимайтесь без отрыва от работы и выделяйте на учебу столько времени, сколько есть прямо сейчас, — 15 минут или 2 часа в день.

  • 20% обучения — интересная и важная теория
    Теория разбита на короткие блоки, после которых обязательно идёт практика.
    Вы смотрите короткие видео, изучаете текстовые материалы и приступаете к заданиям, чтобы закрепить знания

  • 80% обучения — практика в разных форматах
    Для развития навыков у нас есть 5 видов практики: тренажёры, тесты, домашние задания, проекты и хакатоны. Разнообразие форматов помогает усваивать знания максимально эффективно.

  • Менторы и координаторы помогут дойти до конца
    Все менторы — опытные практики из IT-индустрии. Они дают качественную обратную связь на задания, отвечают на вопросы и помогают студенту достичь своих целей во время обучения. Выпускники оценивают менторскую поддержку на 9,1 балла из 10.
    Координаторы решат любой организационный вопрос, связанный с обучением. Их задача — мотивировать студентов и помочь пройти курс до конца.

ОТЗЫВЫ О КОМПАНИИ

Статьи по теме

Как стать Специалист по машинному обучению – что нужно знать

Искусственный интеллект тренд современного IT, он всё в большей степени проникает в различные его отрасли и упрощает жизнь человека. Поэтому сейчас весьма востребованы те, кто занимаются его развитием. В числе них специалисты по Machine Learning, которые отвечают за обучение ИИ и подбор/создание...