Сложность
Сложность
Начинающий
Тип обучения
Тип обучения
Профессия
Трудоустройство
Трудоустройство
Содействие
Сертификат
Сертификат
Да

Стоимость курса

50 040 ₽
есть рассрочка

Преимущества курса

  • Мы рассказываем о математике понятно. Наша цель — не сделать из вас специалиста по фундаментальный математике, но научить вас понимать законы математики для построения моделей.
  • Курс состоит по большей части из практики, которая не ограничивается решением классических уравнений и абстрактных заданий. Вы поймете, как знание математики и статистики работает в решении реальных жизненных задач в области анализа данных, прогнозирования и оптимизации.
  • Мы рассматриваем применение математических и статистических закономерностей в машинном обучении и нейронных сетях, чтобы вы в дальнейшем могли работать не только с типовыми моделями и архитектурами.
  • У нас есть не только сообщество единомышленников, с которыми вы можете обсудить затруднения и поделиться наболевшим, но и поддержка ментора, который поможет выйти из тупика. Вы не останетесь с трудностями один на один.

Как проходит обучение

Изучаете подготовительный материал

Вы сможете проходить обучение из любой точки планеты. Новые модули будут открываться раз в неделю. Специально разработанный контент и дополнительные материалы помогут разобраться в теме.

Выполняете практические задания

Практика состоит из трех частей: выполнения простых упражнений на вычисления; выполнения упражнений на базе Python; решения жизненных задач из области анализа данных, прогнозирования и оптимизации.

Общаетесь с однокурсниками и получаете фидбэк ментора

Вы будете постоянно общаться со своими сокурсниками в закрытых каналах в Slack. Если вы что-то не поймете или не справитесь с задачей — мы поможем разобраться.

Сдаете выпускной экзамен

В конце курса вас ждет специальное задание, в котором вы сможете применить все полученные навыки и подтвердить успешное изучение материала.

Что вы получите после обучения

Приобретаемые навыки
2
Менеджмент
5
Data Science
Сертификат, ссылками на который можно делиться с другими людьми

Образовательная организация

Школа по работе с данными SkillFactory обучение Big Data, Data Science, Machine Learning, Data Engineering и AI

Программа курса

Программа курса по математике

Часть 1 - Линейная алгебра

  • Изучаем вектора и виды матриц
  • Учимся проводить операции над матрицами
  • Определяем линейную зависимость с помощью матриц
  • Изучаем обратные, вырожденные и невырожденные матрицы
  • Изучаем системы линейных уравнений, собственные и комплексные числа
  • Осваиваем матричное и сингулярное разложение
  • Решаем задачи линейной зависимости с помощью матриц
  • Оптимизируем с помощью метода главных компонент
  • Закрепляем математические основы линейной регрессии

Часть 2 - Основы матанализа

  • Изучаем функции одной и многих переменных и производные
  • Осваиваем понятие градиента и градиентного спуска
  • Тренируемся в задачах оптимизации
  • Изучаем метод множителей Лагранжа, метод Ньютона и имитацию отжига
  • Решаем задачи предсказания и поиска выигрышной стратегии с помощью производных и численных методов оптимизации
  • Закрепляем математические основы градиентного спуска и имитации отжига

Часть 3 - Основы теории вероятности и статистики

  • Изучаем общие понятия описательной и математической статистики
  • Осваиваем комбинаторику
  • Изучаем основные типы распределений и корреляции
  • Разбираемся в теореме Байеса
  • Изучаем наивный байесовский классификатор
  • Решаем задачи комбинаторики, валидности и прогнозирования методами статистики и теории вероятности
  • Закрепляем математические основы классификации и логистической регрессии

Часть 4 - Временные ряды и прочие математические методы

  • Знакомимся с анализом временных рядов
  • Осваиваем более сложные типы регрессий
  • Прогнозируем бюджет с помощью временных рядов
  • Закрепляем математические основы классических моделей машинного обучения

Краткая программа курса по Machine Learning

Помощь наставника на протяжении обучения

Модуль 1 - Введение в машинное обучение

Знакомимся с основными задачами и методами machine learning, изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом
Решаем 50+ задач на закрепление темы

Модуль 2 - Методы предобработки данных

Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering
Решаем 60+ задач на закрепление темы

Модуль 3 - Регрессия

Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии
Решаем 40+ задач на закрепление темы

Модуль 4 - Кластеризация

Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML
Решаем 50+ задач на закрепление темы

Модуль 5 - Tree-based алгоритмы: введение в деревья

Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии
Решаем 40+ задач на закрепление темы

Модуль 6 - Tree-based алгоритмы: ансамбли

Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии
Решаем 40+ задач на закрепление темы
Участвуем в соревновании на kaggle по обучению tree-based модели

Модуль 7 - Оценка качества алгоритмов

Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения
Оцениваем качество нескольких моделей ML
Решаем 40+ задач на закрепление темы

Модуль 8 - Временные ряды в машинном обучении

Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров
Решаем 50+ задач на закрепление темы

Модуль 9 - Рекомендательные системы

Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели
Решаем 50+ задач на закрепление темы

Модуль 10 - Финальный хакатон

Применяем все изученные методы для получения максимальной точности предсказаний модели на Kaggle

Рейтинг курса

4.4
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 07.02.2024 10:57
Математика и Machine Learning для Data Science

Математика и Machine Learning для Data Science

Оставить отзыв
Поделиться курсом с друзьями