Machine Learning. Basic

1 отзыв

5 месяцев,

начало 30 января

Сложность

Начинающий

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Трудоустройство

Содействие

Сертификат

Да

Стоимость курса

69 700 ₽

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

Python

Git

ООП

NumPy

Pandas

Визуализация данных

МНК

ММП

Анализ данных

Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Евгений Ревняков

курса

Начинал в школе с паяльником в руках. Потом был ZX Spectrum. В университет пошел на техническую специальность. В механике много интересного, но в 2008 интерес к ИТ взял верх: компьютерные сети -> Delphi -> PHP -> Python. Были эксперименты с другими языками, но хочется писать именно на нем. Участвовал в проектах по автоматизации бизнес-процессов при помощи нейросетей (сервис заказа такси «Максим»), разработке информационных систем в медицине. Работал с GIS-системами и процессингом изображений при помощи Python.В преподавании позиция: «Если кто-то не может объяснить сложное простыми словами, — значит он в этом еще не очень хорошо разбирается».Образование: Курганский университет, кафедра "Безопасность информационных и автоматизированных систем", к.т.н.В 2002 окончил Курганский государственный университет по специальности "Многоцелевые гусеничные и колесные машины".В 2005 защитил диссертацию по бесступенчатым передачам. С тех пор официально трудоустроен в университете (КГУ). Преподаватель

Сурен Хоренян

курсов

Руководитель группы разработки платформы облачного видеонаблюдения в МТС ИИ

Senior Python Backend Developer

6 лет преподаёт программирование онлайн

Долгое время занимал должность Backend-разработчика на Python 3.6 в компании AdCombo. Стек используемых технологией включает Flask, SQLAlchemy, PostgreSQL, Redis, Docker и многое другое. Начинал свою карьеру системным администратором в «АНТИвор», занимался оптимизацией рабочих процессов, сбором статистики и визуализацией аналитики. Затем перешел на должность Full Stack-программиста на Python и разрабатывал инструменты внутреннего пользования и web-интерфейсы для продукции компании. Руководитель программы

Светлана Медведева

курс

Закончила МФТИ (бакалавриат и магистратура) и Сколтех (магистратура). С 2018 года преподает студентам МФТИ вычислительную математику (численные методы), сейчас ведет лабораторные занятия по питону и анализу данных на питоне.Работала в консалтинге (разработка технологических решений) в SAS Institute. Занималась разработкой решений на основе SAS Event Stream Processing, работой с данными (DI, SAS Base, SQL) и автоматизированным тестированием (python+selenium), а также временными рядами. Стажировалась в Huawei в группе компьютерного зрения.В настоящее время работает аналитиком данных (разработка MVP для консалтинга). Один из проектов был связан с моделированием путешествия клиента. Сейчас занимается гомоморфным шифрованием. Преподаватель

Образовательная организация

Otus

4.2

286 отзывов

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

Основы Python
В данном модуле познакомимся с базовыми темами Python. Разберемся с основными типами данных, научимся управлять потоком выполнения кода при помощи операторов ветвления и циклов. Разберемся, как устроены функции в Python, и научимся создавать генераторные функции и декораторы. В финале модуля будем работать с файлами при помощи Python.

Тема 1: Что будет по окончанию курса Basic / Special

Тема 2: Базовые типы данных (неизменяемые)

Тема 3: Управление потоком

Тема 4: Коллекции

Тема 5: Функции. Часть 1

Тема 6: Функции.Часть 2 (декораторы)

Тема 7: Работа с файлами

Продвинутый Python
Во втором модуле нас ждут модули и импорты, разбиение кода на отдельные модули. Большая тема ООП в Python: инкапсуляция, наследование, полиморфизм, основные дандер-методы, статические и классовые методы, исключения. А также познакомимся с основами тестирования при помощи библиотек Pytest и UnitTest.

Тема 1: Модули

Тема 2: Основы ООП

Тема 3: Продвинутый ООП, продолжение

Тема 4: Продвинутый ООП, исключения

Тема 5: Тесты

Тема 6: Знакомство со встроенными модулями

Тема 7: Git, shell

Тема 8: Практика

Python для ML и работа с базами данных
В данном модуле познакомимся с библиотеками numpy и pandas. Научимся работать с многообразием библиотек визуализации данных в Python. Познакомимся с базами данных и языком запросов SQL. Научимся выполнять запросы на получение данных и перекладывать часть обработки на сторону сервера данных.

Тема 1: Основы NumPy

Тема 2: Основы Pandas

Тема 3: Визуализация данных

Тема 4: Практика: Построение датасета для дальнейшего моделирования из сырых данных

Тема 5: Обзор про базы данных, SQL и теорию множеств. Таблицы, представления, простые выборки

Тема 6: Join, exists, вложенные запросы, group by, having

Тема 7: Оконные функции в SQL, виды и область применения

Теоретический минимум для ML: математика, линал, статистика
В данном модуле вы изучите разделы матричной алгебры для решения систем линейных уравнений и для векторного анализа. Познакомитесь с основными методами оптимизации функций (максимизации/минимизации), также научимся аппроксимировать значение функции, чтобы ускорять вычисления в Python при работе с данными. Научитесь формулировать и тестировать гипотезы, в том числе А/B-тестирование.

Тема 1: Матрицы. Основные понятия и операции

Тема 2: Основы линейной алгебры: базис, отображение

Тема 3: Матричные разложения. Практика в Python

Тема 4: Дифференцирование и оптимизация функций

Тема 5: Практика. Дифференцирование и оптимизация функций

Тема 6: Метод наименьших квадратов

Тема 7: Аксиоматика теории вероятностей. Случайные величины и их свойства

Тема 8: Многомерные случайные величины. ЦПТ. Практика

Тема 9: Основные понятия статистики. Точечные оценки

Тема 10: Проверка гипотез (AБ тестирование)

Тема 11: Исследование зависимостей: номинальные, порядковые и количественные величины

Тема 12: Практика. Исследование зависимостей: номинальные, порядковые и количественные величины

Основные методы машинного обучения
В данном модуле рассмотрим задачи, которые направлены на проверку гипотез, поиск оптимальных решений с помощью искусственного интеллекта.

Тема 1: Введение в машинное обучение

Тема 2: Задача регрессии. Линейная регрессия

Тема 3: Задача классификации. Метод ближайших соседей

Тема 4: Выбор темы проекта

Тема 5: Логистическая регрессия

Тема 6: Деревья решений

Тема 7: Ансамбли моделей

Тема 8: Feature engineering & advanced preprocessing

Тема 9: Практика

Проектная работа
Заключительный месяц курса посвящен проектной работе. Свой проект — это то, что интересно писать слушателю. То, что можно создать на основе знаний, полученных на курсе. При этом не обязательно закончить его за месяц. В процессе написания по проекту можно получить консультации преподавателей.

Тема 1: Консультация в формате предзащиты

Тема 2: Защита проекта

Подборки, в которых участвует курс

ТОП-100 курсов 2025 года

Рейтинг курса

рейтинг

Отзывы о курсе

1 отзыв

по рейтингу

по дате

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...