Курс находится на модерации. Данные могут быть неактуальны.
Тип обучения
Тип обучения
Курс
Зач. единицы
Зач. единицы
4
Сертификат
Сертификат
1 800 ₽ для получения

Стоимость курса

бесплатно
нет рассрочки
Онлайн курс НИУ ВШЭ посвящён основам анализа данных и машинного обучения. По результатам слушатели освоят способы предобработки и визуализации данных, изучат основные методы машинного обучения (линейные, метрические, решающие деревья и их композиции), научатся оценивать качество моделей. Дистанционный курс пригодится всем, кто хочет «с нуля» погрузиться в область машинного обучения, получить первые практические навыки и начать применять их для решения собственных задач по извлечению пользы из данных. Практические навыки, получаемые в процессе освоения курса: анализ данных, программирование на Python.

Вас будут обучать

Должность: Старший преподаватель факультета компьютерных наук, Департамент больших данных и информационного поиска.

Окончил факультет вычислительной математики и кибернетики МГУ в 2013 году. Начал работать в НИУ ВШЭ в 2016 году. Преподает курсы по введению в анализ данных, введению в машинное обучение и прикладным задачам анализа данных. 

Заместитель руководителя департамента, Старший преподаватель, Факультет компьютерных наук, Департамент больших данных и информационного поиска; руководитель проектов, научный руководитель, Факультет компьютерных наук, Центр непрерывного образования; заведующий лабораторией, Факультет компьютерных наук, Департамент больших данных и информационного поиска, Научно-учебная лаборатория анализа данных в финансовых технологиях; академический руководитель образовательной программы "Прикладная математика и информатика".

Профессиональные интересы: анализ данных машинное обучение анализ и автоматическая обработка текстов Образование 2013 Специалитет: Московский государственный университет им. М.В. Ломоносова, специальность «Прикладная математика и информатика» Профессиональный опыт Работал в компаниях Биоклиникум, Forecsys, Озон. С 2014 года работает в компании Яндекс. С 2016 года работает на факультете компьютерных наук НИУ ВШЭ, где ведёт курсы на майноре “Интеллектуальный анализ данных”, разработал и ведёт курс по машинному обучению на программе “Прикладная математика и информатика”. С 2019 года — академический руководитель программы “Прикладная математика и информатика”. Награды и достижения Лучший преподаватель – 2019, 2018, 2017

Старший преподаватель

Окончил МГУ им. Ломоносова в 2013 году по специальности «Прикладная математика и информатика». Начал работать в НИУ ВШЭ в 2016 году. Преподает курсы по машинному обучению для больших данных и введению в глубинное обучение.Профессиональные интересы: машинное обучение Образование 2013 Специалитет: Московский государственный университет им. М.В. Ломоносова, специальность «Прикладная математика и информатика» Профессиональный опыт Yandex Data Factory - Data Scientist - 2015-н.в.  Ozon.ru - Lead Data Scientist - 2014-2015 Ozon.ru - Data Scientist - 2012-2014 Награды и достижения Благодарность Факультета компьютерных наук НИУ ВШЭ (август 2018) Лучший преподаватель – 2018, 2017

Должность: Приглашенный преподаватель факультета компьютерных наук, Департамент больших данных и информационного поиска

Окончил факультет математики НИУ ВШЭ с красным дипломом бакалавра в 2018 году. Учится на направлении Data Science в Сколтехе, в 2020 году планируется получение степени магистра.Начал работать в НИУ ВШЭ в 2020 году.

Преподает курс по введению в анализ данных.  Образование 2018 Бакалавриат: Национальный исследовательский университет «Высшая школа экономики», специальность «математика»

Профессиональный опыт

С мая 2019 года работает исследователем в области глубинного обучения в компании Huawei.

Вел семинары на курсе “Машинное обучение” на факультете математики ВШЭ в 2018 году и “Введение в анализ данных” в рамках майнора “Интеллектуальный анализ данных” в 2019 году, продолжает вести семинары по этому курсу в 2020 году.

Награды и достижения

В 2019 году получил звание Competitions Expert на соревновательной платформе по машинному обучению Kaggle, имея две серебряные и одну бронзовую медали.

Образовательная организация

Национальный исследовательский университет «Высшая школа экономики» — исследовательский университет, осуществляющий свою миссию через научно-образовательную, проектную, экспертно-аналитическую и социокультурную деятельности на основе международных научных и организационных стандартов.

Мы осознаем себя частью мирового академического сообщества, считаем международное партнерство, вовлеченность в глобальное университетское взаимодействие ключевыми элементами нашего движения вперед. Будучи российским университетом, мы работаем на благо России и ее граждан.

Наш университет — это коллектив ученых, сотрудников, аспирантов и студентов, которых отличает внутренняя приверженность к поддержанию высоких академических стандартов своей деятельности. Мы стремимся обеспечить наиболее благоприятные условия для развития каждого члена нашего коллектива. 

Наши ценности:

  • Стремление к истине
  • Сотрудничество и заинтересованность друг в друге
  • Честность и открытость
  • Академическая свобода и политический нейтралитет
  • Профессионализм, требовательность к себе и ответственность
  • Активная общественная позиция

Сегодня Высшая школа экономики — это:

  • 4 КАМПУСА: МОСКВА, САНКТ-ПЕТЕРБУРГ, НИЖНИЙ НОВГОРОД, ПЕРМЬ
  • ~7000ПРЕПОДАВАТЕЛЕЙ И ИССЛЕДОВАТЕЛЕЙ
  • 50 400+СТУДЕНТОВ
  • 100 800ВЫПУСКНИКОВ

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

  1. Основные понятия и задачи в машинном обучении
  2. Метод k ближайших соседей
  3. Линейная регрессия
  4. Градиентный спуск
  5. Линейная классификация
  6. Логистическая регрессия и метод опорных векторов
  7. Решающие деревья
  8. Бэггинг и случайный лес
  9. Градиентный бустинг
  10. Обучение без учителя
  11. Рекомендательные системы

Рейтинг курса

3.5
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 21.04.2024 01:18
Основы машинного обучения

Основы машинного обучения

Оставить отзыв
Поделиться курсом с друзьями