Machine Learning. Professional
Научитесь работать с важнейшими моделями машинного обучения, NLP, DL, рекомендательными системами на практике с реальными данными
В марте 2025
Professional
5 месяцев
Онлайн
Пн/Чт 20:00 Мск
Для кого этот курс?
- Для начинающих аналитиков и специалистов в области Data Science: систематизируйте и углубляйте знания, экспериментируйте с подходами, работайте с кейсами под руководством экспертов.
- Для разработчиков и других IT-специалистов: соберите сильное портфолио, погрузитесь в настоящие задачи дата-сайентиста.
Необходимые знания:
- базовое знакомство с Python
- базовые знания линейной алгебры, математического анализа, математической статистики
- базовые навыки работы с ML (pandas, sklearn, линейная регрессия, логистическая регрессия)
математический анализ и основны ML?
Посмотрите программу ДПО Machine Learning Специализация
Подходит ли эта программа именно вам?
Пройдите короткий тест, который проверяет ваше знание пререквизитов, а именно математики и Python, которые понадобятся вам на курсе
Что даст вам этот курс ?
Вы последовательно освоите современные инструменты анализа данных и сможете на профессиональном уровне создавать модели машинного обучения. Чтобы лучше закрепить навыки, вы будете практиковаться: использовать каждый алгоритм в работе с реальными данными.
Практики и знаний, которые вы получите, будет достаточно, чтобы самостоятельно решать задачи классического ML и претендовать на Junior+ и Middle позиции Data Scientist.
Особенности курса
В курс по машинному обучению входят темы, которые часто обделяют вниманием. Однако знания такого рода необходимы специалисту в повседневных задачах и очень ценятся работодателямиЧто вы сможете после обучения:
- работать с «грязными» данными
- работать с языковыми моделями (NLP)
- прогнозировать временные ряды при помощи машинного обучения
- строить рекомендательные системы
- готовить модели в продакшн
- Обработка сетевых данных с целью обнаружения атак и их классификации
- Обнаружитель дефектов в буксовых узлах железнодорожных составов
- Влияние акций на покупки товаров
Недостаточно хардкорно? Посмотрите программы:
Machine Learning Advanced
Computer Vision
Reinforcement Learning
Natural Language Processing
Hard skills
Нейросети, PyTorch, NLP (Архитектура трансформер, BERT, RNN для работы с текстом), обучение с учителем, обучение без учителя, DB-Scan, K-means, рекуррентные сети, временные ряды, рекомендательные системы, Apache Spark
.
Процесс обучения
Занятия в OTUS – это вебинары.
Преподаватели-практики помогут погрузиться в теорию, обучат на реальных примерах, расскажут о необходимых в работе инструментах. Вы всегда сможете задать вопрос и получить исчерпывающий ответ. И самое главное – сможете практиковаться.
Учитесь онлайн отовсюду. А если вдруг пропустите занятие, просто посмотрите запись.
Оптимальная нагрузка
Возможность совмещать учебу с работой.Эксперты
Преподаватели из разных сфер, каждый со своим уникальным опытом.
Перспективы
Сможете претендовать на позицию Data Scientist Junior + / Middle+Партнеры
Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.
- Разместите резюме в базе OTUS: так наши партнёры смогут пригласить вас на собеседование
- Посещайте карьерные мероприятия OTUS: вам расскажут, как лучше проходить собеседование
Data Scientist
Работодатели курса
Формат обучения
Интерактивные вебинары
2 занятия по 2 академ.часа в неделю.
Доступ к записям и материалам остается навсегда
Практика
Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии
Активное комьюнити
Общение с преподавателями на вебинарах, переписки в закрытом телеграм-чате, развёрнутые ответы при проверке домашних заданий
Программа
Продвинутые методы машинного обучения: обучение с учителем
Первый модуль познакомит вас с различными продвинутыми моделями машинного обучения для задач обучения с учителем (регрессия и классификация), начиная от классических методов деревьев решений и заканчивая продвинутыми методами градиентного бустинга.
Тема 1: Программа курса. Повторение основных концепций машинного обучения на примере задачи регрессии
Тема 2: Метод градиентного спуска
Тема 3: Повторение основных понятий задачи классификации на практике: EDA, cross-validation, метрики качества
Тема 4: Деревья решений
Тема 5: Ансамбли моделей
Тема 6: Градиентный бустинг
Тема 7: Метод опорных векторов
Продвинутые методы машинного обучения: обучение без учителя
Второй модуль посвящен алгоритмам для задачи обучения без учителя, в нем вы познакомитесь с различными способами кластеризации, такими как алгоритм k средних и DBSAN, методами снижения размерности и методами работы с новым типом данных - графами.
Тема 1: Методы уменьшения размерности
Тема 2: Обучение без учителя. K-means
Тема 3: Обучение без учителя. Иерархическая кластеризация. DB-Scan
Тема 4: Поиск аномалий в данных
Тема 5: Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей
Тема 6: Алгоритмы на графах
Тема 7: Алгоритмы на графах: продолжение
Введение в Deep Learning
В этом модуле мы коснёмся методов Deep Learning и работы с нейронными сетями. Вы узнаете принципы работы и обучения нейронных сетей, а также освоите нейросетевые архитектуры для работы с изображениями (сверточные нейросети) и последовательностями (рекуррентные нейросети).
Тема 1: Введение в нейросети
Тема 2: PyTorch (часть 1)
Тема 3: Продвинутые методы оптимизации, backpropagation и обучение нейронных сетей
Тема 4: Борьба с переобучение нейросетей, взрыв и затухание градиентов
Тема 5: PyTorch (часть 2)
Тема 6: Сверточные сети (Convolutional Neural Networks)
Тема 7: Рекуррентные сети
Сбор данных. Анализ текстовых данных
В этом модуле вы научитесь работать с одним из самых распространенных типов данных - текстом. Мы разберём различные способы предобработки текста, которые позволяют использовать его в качестве признаков для моделей машинного обучения. Мы изучим такие полезные задачи, как тематическое моделирование, распознавание именованных сущностей (NER) и работу с векторными представлениями слов. Также вы научитесь заниматься парсингом данных, который позволит вам собирать и создавать свои собственные уникальные датасеты для анализа.
Тема 1: Сбор данных
Тема 2: Предобработка и токенизация
Тема 3: Векторные представления слов, работа с предобученными эмбеддингами
Тема 4: Понятие языковой модели, RNN для работы с текстом
Тема 5: Архитектура трансформер
Тема 6: Transfer Learning. Архитектура BERT
Тема 7: Named Entity Recognition
Тема 8: Тематическое моделирование
Анализ временных рядов
В этом модуле вы познакомитесь с еще одним распространенным типом данных - временными рядами. Мы разберем как классические методы работы с временными рядами, включая ARIMA-модель, так и продвинутые способы извлечения признаков и применения машинного обучения. Также мы научимся решать задачу кластеризации, используя временные ряды, на примере финансовых котировок.
Тема 1: Анализ временных рядов. Часть 1: Постановка задачи, простейшие методы. ARIMA-модель
Тема 2: Анализ временных рядов. Часть 2: Извлечение признаков и применение моделей машинного обучения. Автоматическое прогнозирование
Тема 3: Анализ временных рядов Часть 3: Кластеризация временных рядов (ищем связанные котировки акций)
Рекомендательные системы
В этом модуле мы будем работать с различными типами рекомендательных систем. Разберем постановку задачи, познакомимся с популярными метриками качества и основными видами моделей рекомендательных систем. Также мы научимся работать с одной из самых популярных питоновских библиотек для рекомендательных систем.
Тема 1: Введение в рекомендательные системы
Тема 2: Простые рекомендательные модели. Коллаборативная фильтрация
Тема 3: Контентная фильтрация, гибридные подходы. Ассоциативные правила
Тема 4: Методы матричной факторизации
Тема 5: Практическое занятие по рекомендательным системам
Тема 6: ML в Apache Spark
Проектная работа
Заключительный месяц курса посвящен проектной работе. Свой проект — это то, над чем интересно поработать 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: Выбор темы и организация проектной работы
Тема 2: Предзащита проектных работ №1
Тема 3: Предзащита проектных работ №2
Тема 4: Защита проектных работ
Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит
Проектная работа
Мы стремимся, чтобы студенты выбирали темы выпускных проектов – сами, а не работали по шаблонным заготовкам. Поэтому все выпускные проекты на курсе– это ценные исследования для ML. О выпускных проектах наших студентов рассказывают на собеседованиях и даже пишут статьи. Вот некоторые из них:
2. Анализ изображений с помощью классического ML (Habr)
3. Построение моделей для сравнения цен на похожие товар (YouTube)
Преподаватели
Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания
Прошедшие
мероприятия
Возможность пройти вступительное тестирование повторно появится только через 3 дня
Результаты тестирования будут отправлены вам на email, указанный при регистрации.
Тест рассчитан на 30 минут, после начала тестирования отложить тестирование не получится!
Корпоративное обучение для ваших сотрудников
- Курсы OTUS верифицированы крупными игроками ИТ-рынка и предлагают инструменты и практики, актуальные на данный момент
- Студенты работают в группах, могут получить консультации не только преподавателей, но и профессионального сообщества
- OTUS проверяет знания студентов перед стартом обучения и после его завершения
- Простой и удобный личный кабинет компании, в котором можно видеть статистику по обучению сотрудников
- Сертификат нашего выпускника за 5 лет стал гарантом качества знаний в обществе
- OTUS создал в IT более 120 курсов по 7 направлениям, линейка которых расширяется по 40-50 курсов в год
Отзывы
Сертификат о прохождении курса
OTUS осуществляет лицензированную образовательную деятельность.
В конце обучения вы получите сертификат OTUS о прохождении курса.
После обучения вы:
- заберете с собой полный комплект обучающих материалов: видеозаписи всех вебинаров, презентации к занятиям и другие дополнительные материалы
- освоите все необходимые навыки, чтобы создавать модели машинного обучения
- пополните свое портфолио новыми работами для будущего работодателя
- получите сертификат о прохождении курса
Machine Learning. Professional
Полная стоимость
Стоимость указана для оплаты физическими лицами
вычета до 13% стоимости обучения. Пройдите тестирование и менеджер вас проконсультирует
+7 499 938-92-02 бесплатно