Складчина Каталог
Мои курсы

Machine Learning Pro + Deep Learning

Школа Skillfactory

О чём курс

Курс «Machine Learning Pro + Deep Learning» представляет собой комплексную образовательную программу, разработанную для тех, кто стремится глубоко погрузиться в мир искусственного интеллекта и освоить современные инструменты анализа данных. Основная цель обучения — дать четкое понимание фундаментальных различий между классическим машинным обучением и глубоким обучением (Deep Learning), а также научить студентов правильно выбирать подходящий алгоритм для решения конкретных бизнес-задач. В ходе обучения вы не просто изучите теорию, но и «потрогаете руками» все ключевые алгоритмы, разбираясь на практике, в каких случаях достаточно классических методов, а когда необходимо внедрение сложных нейронных сетей.

Программа ориентирована на специалистов, уже владеющих базовыми знаниями языка Python и желающих систематизировать свои навыки или перейти в сферу Data Science. Обучение построено на интенсивной практике: вас ждет огромное количество задач для закрепления материала, хакатоны и участие в соревнованиях на платформе Kaggle. Такой подход позволяет максимально быстро перенести полученные знания в реальную рабочую среду.

На выходе вы получите комплексное понимание того, как устроены современные ML-системы. Вы освоите полный цикл работы с данными: от первичной предобработки и feature engineering до построения сложных ансамблей моделей и создания нейронных сетей. Вы научитесь работать с регрессионными моделями, методами кластеризации, деревьями решений, временными рядами и рекомендательными системами. Особое внимание уделяется оценке качества моделей, пониманию проблем недообучения и переобучения, а также методам визуализации процесса обучения.

Почему стоит выбрать этот курс? Во-первых, это сбалансированный подход, объединяющий классику и современные нейросетевые технологии. Во-вторых, акцент на прикладных навыках: вы будете решать десятки задач по каждому модулю, что гарантирует глубокое усвоение материала. В-третьих, участие в соревнованиях на Kaggle дает возможность почувствовать себя частью профессионального сообщества и пополнить свое портфолио реальными кейсами. Этот бандл станет мощным фундаментом для вашей карьеры в области машинного обучения, обеспечивая уверенное владение инструментарием, который востребован на рынке прямо сейчас. Вы научитесь не просто запускать код, а осознанно подходить к выбору архитектуры модели, учитывая специфику данных и поставленные бизнес-цели.

Программа 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

Складчина создана 13 июня 2020 г.

Теги курса

Навыки
Анализ данныхАлгоритмы
Инструменты
PythonИИ

Другие материалы школы 12

S Skillfactory Все материалы
Н Нейронные сети 3 640 ₽ 43 200 ₽ −92%А Аналитика для руководителей и владельцев бизнеса 2 232 ₽ 26 300 ₽ −92%Введение в Machine Learning Введение в Machine Learning 1 139 ₽ 24 900 ₽ −95%Frontend-разработчик Frontend-разработчик 22 372 ₽ 95 400 ₽ −77%Soft Skills для digital-менеджеров Soft Skills для digital-менеджеров 800 ₽ 20 000 ₽ −96%Системный администратор Системный администратор 7 000 ₽ 101 192 ₽ −93%Python для анализа данных Python для анализа данных 290 ₽ 18 950 ₽ −98%Этичный хакер Этичный хакер 3 195 ₽ 62 500 ₽ −95%И Информационная безопасность 26 783 ₽ 275 000 ₽ −90%J Junior-аналитик с нуля за 10 недель 23 549 ₽ 161 000 ₽ −85%М Математика и Machine Learning для Data Science 3 139 ₽ 47 940 ₽ −93%С Специализация BI аналитик 2 533 ₽ 69 000 ₽ −96%

Ещё интересные курсы 12

Ещё интересные курсы

5 644 ₽ 47 900 ₽