Сложность
Сложность
Начинающий
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Трудоустройство
Трудоустройство
Содействие
Сертификат
Сертификат
Да

Стоимость курса

52 668 ₽
есть рассрочка

Вы научитесь решать задачи из реальных рабочих процессов, которые чаще всего в Data Science поручают начинающим специалистам. К концу курса вы соберете портфолио работ, пройдете подготовку к собеседованиям и карьерную консультацию.

Курс даст вам необходимый фундамент:
Python. Пройдете основы программирования и научитесь использовать этот наиболее актуальный язык в задачах Machine Learning.
Математика. Освоите ключевые разделы, чтобы понимать теоретические основы и принципы работы алгоритмов.
Классические модели Machine Learning. Соберете свои наборы данных и выполните полный пайплайн работ со своими первыми моделями.

Творческая атмосфера:
Во время обучения вы погрузитесь в условия, близкие к реальным рабочим процессам. Вам придется справляться с «грязными» данными, просчитывать свои действия наперед, экспериментировать с решениями и готовить модели к проду.
Обстановка на занятиях располагает быть любопытным, активно дискутировать и не бояться ошибок.

Персональный ментор:
Онлайн-сессии на 40 минут каждую неделю;
В начале обучения за вами закрепляется ментор. Как и преподаватели, менторы — эксперты, работающие в Data Science;
Раз в неделю вы делаете домашнее задание, выкладываете на гитхаб и договариваетесь с ментором о созвоне;
Ментор заранее знакомится с вашим кодом, поэтому к встрече он уже знает, на что обратить внимание. Вы тоже можете заготовить вопросы;
На сессии ментор прокомментирует ваше решение. При необходимости можно сразу перейти в среду разработки, внести правки в код и тут же посмотреть результат.

После обучения вы сможете:
Претендовать на должности, где требуются junior-компетенции
Решать реальные бизнес-задачи при помощи методов машинного обучения
Работать с Python-библиотеками для Machine Learning
Справляться с нестандартными ситуациями за счет глубокого теоретического понимания работы алгоритмов и моделей
Ориентироваться в различных направлениях Data Science и подбирать подходящие под задачу инструменты.

Что вы получите после обучения

Приобретаемые навыки
4
NumPy
5
Pandas
6
Визуализация данных
7
МНК
8
ММП
9
ML
10
Анализ данных
Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Руководитель продукта в Работа.ру

9 лет в интернет-маркетинге. Управлял командой email-маркетинга и спецпроектов в Skyeng. Head of Digital в «ТехноНИКОЛЬ»: branding и performance-кампании, создание и дистрибуция контента. Отвечал за разработку продукта enAction в компании Expertsender

Работает специалистом по анализу данных в команде AGI NLP в Сбере. Занимается нейросетевыми языковыми моделями и их применением в реальных задачах. Считает, что работа в области Data Science дает уникальную...
Работает специалистом по анализу данных в команде AGI NLP в Сбере. Занимается нейросетевыми языковыми моделями и их применением в реальных задачах. Считает, что работа в области Data Science дает уникальную возможность заниматься безумно крутыми вещами on the edge of science, которые меняют мир здесь и сейчас.Преподает в Высшей Школе Экономики дисциплины по анализу данных, машинному обучению и data science.Мария закончила механико-математический факультет МГУ и школу анализа данных Яндекса. В настоящий момент Мария обучается в аспирантуре ВШЭ на факультете компьютерных наук. Среди ее научных интересов такие области data science, как natural language processing и тематическое моделирование. Руководитель программы
Практикует машинное обучение и анализ данных с 2012 года. В настоящий момент работает Head of R&D в компании WeatherWell. Имеет опыт практического применения машинного обучения в геймдеве, банковской сфере и...
Практикует машинное обучение и анализ данных с 2012 года. В настоящий момент работает Head of R&D в компании WeatherWell. Имеет опыт практического применения машинного обучения в геймдеве, банковской сфере и Health Tech. Преподавал машинное обучение и анализ данных в Центре Математических Финансов МГУ, был приглашенным лектором на Факультете Компьютерных Наук НИУ ВШЭ и различных летних школах. Образование: Эконом-мат РЭУ им. Плеханова, ЦМФ МГУ, ДПО ФКН ВШЭ «Практический анализ данных и машинное обучение», MSc Computer Science Aalto UniversityСтек/интересы: Python, Machine Learning, Time Series, Anomaly Detection, Open Data, ML for social good

Образовательная организация

Otus.ru - высокотехнологический стартап в области образования. Наша миссия - делать образование осмысленным, реализуя связь между работодателями, специалистами и преподавателями. Приходите к нам учиться!

OTUS сегодня – это более 80 авторских курсов для IT-специалистов из разных направлений таких как программирование, тестирование, инфраструктура, информационная безопасность, управление и Data Science. И что важно, у нас есть программы для разных уровней подготовки от новичков до профессионалов, которые хотят освоить продвинутые навыки.
Наша миссия — делать обучение осмысленным, реализуя взаимосвязь между ожиданиями работодателей, компетенциями специалистов и возможностями преподавателей.

Программа курса

Введение в Python
  -Тема 1.Знакомство
  -Тема 2.Настройка окружения для работы
  -Тема 3.Базовые типы и структуры данных. Управление потоком
  -Тема 4.Работа с функциями и данными
  -Тема 5.Git, shell

Введение в Python. ООП, модули, базы данных
  -Тема 6.Основы ООП
  -Тема 7.Продвинутый ООП, исключения
  -Тема 8.Продвинутый ООП, продолжение
  -Тема 9.Модули и импорты
  -Тема 10.Тесты
  -Тема 11.Знакомство со встроенными модулями
  -Тема 12.Файлы и сеть

Основы Python для ML
  -Тема 13.Основы NumPy
  -Тема 14.Основы Pandas
  -Тема 15.Визуализация данных

Теоретический минимум для ML: математика, линал, статистика
  -Тема 16.Матрицы. Основные понятия и операции
  -Тема 17.Практика. Матрицы
  -Тема 18.Дифференцирование и оптимизация функций
  -Тема 19.Практика. Дифференцирование и оптимизация функций
  -Тема 20.Алгоритмы и вычислительная сложность
  -Тема 21.МНК и ММП
  -Тема 22.Практика. МНК и ММП
  -Тема 23.Случайные величины и их моделирование
  -Тема 24.Практика. Случайные величины и их моделирование
  -Тема 25.Исследование зависимостей: номинальные, порядковые и количественные величины
  -Тема 26.Практика. Исследование зависимостей: номинальные, порядковые и количественные величины
  -Тема 27.AБ тестирование

Основные методы машинного обучения
  -Тема 28.Введение в машинное обучение
  -Тема 29.Exploratory Data Analysis and Preprocessing
  -Тема 30.Задача классификации. Метод ближайших соседей
  -Тема 31.Задача регрессии. Линейная регрессия
  -Тема 32.Логистическая регрессия
  -Тема 33.Деревья решений
  -Тема 34.Feature engineering & advanced preprocessing
  -Тема 35.Практическое занятие - решаем Kaggle, используя всё, что узнали

Проектная работа
  -Тема 36.Выбор темы и организация проектной работы
  -Тема 37.Консультация по проекту
  -Тема 38.Защита проекта

Подборки, в которых участвует курс

Рейтинг курса

5
рейтинг
1
0
0
0
0

Отзывы о курсе

1 отзыв
по рейтингу по дате
H
H-Ch Pepper

Проходил курс "Машинное обучение. Базовый курс" - понравилось

Достоинства: Внятная подача материала, интересное д.з... Появилось ощущение владения практическими навыками ML. Недостатки: Отдельные лекции отдельных преподавателей не понравились. Но таких было 3-4 из примерно 35, так что, в целом, я остался доволен курсом. Я интересовался тематикой машинного обучения, решил пойти на курс Отуса «Машинное обучение. Базовый курс». В целом, у меня сложилось о...

Может быть интересно

обновлено 01.03.2023 14:29
Machine Learning. Basic

Machine Learning. Basic

Оставить отзыв
Поделиться курсом с друзьями