🔥 Начинаем BLACK FRIDAY!
Максимальная скидка -25% на всё. Успейте начать обучение по самой выгодной цене.
Максимальная скидка -25% на всё. Успейте начать обучение по самой выгодной цене.
Black Friday Sale
Machine Learning. Professional
Machine Learning. Углубленный уровень
Научитесь работать с важнейшими моделями машинного обучения на практике с реальными данными
Курс для людей со знанием высшей математики и знакомых с Python. Подготовка к соревнованиям на Kaggle.
Курс для людей со знанием высшей математики и знакомых с Python. Подготовка к соревнованиям на Kaggle.
Длительность обучения:
Формат:
Начало занятий:
Дни занятий:
5 месяцев
,
4
ак. часа
в
нед.
Online
26 ноября
Чт 20:00,
Что даст вам этот курс
Вы последовательно освоите современные инструменты анализа данных и сможете на профессиональном уровне создавать модели машинного обучения. Для закрепления навыков с каждым алгоритмом вы будете проводить полный pipeline работ от подготовки датасета до анализа результатов и подготовки к продакшену.
Практики и знаний, которые вы получите, будет достаточно, чтобы самостоятельно решать задачи классического ML и претендовать на Junior+ и Middle позиции Data Scientist.
Карта курсов направления Data Science в OTUS
Проекты для портфолио
В течение курса вы выполните несколько проектов для портфолио и научитесь грамотно презентовать результаты своих работ, чтобы проходить собеседования. Для выпускного проекта вы можете взять один из предложенных преподавателем вариантов или реализовать свою идею.
Для кого этот курс?
- Для начинающих аналитиков и Data Scientist’s. Курс поможет вам систематизировать и углубить свои знания. Вы сможете поэкспериментировать с подходами, разобрать рабочие кейсы и получить качественную обратную связь от экспертов.
- Для разработчиков и специалистов других направлений, желающих сменить профессию и развиваться в области Data Science. Курс даст вам возможность собрать сильное портфолио и погрузиться в атмосферу реальных задач дата сайентиста.
Для обучения вам понадобится опыт Python на уровне написания собственных функций, а также знание мат.анализа, линейной алгебры, теории вероятностей и мат. статистики.
Сравнение с курсом Machine Learning. Advanced
Особенности курса
Best Practices и тренды. Каждый запуск программа обновляется с учетом быстро меняющихся тенденций в Data Science. После обучения вы сразу сможете приступить к работе в реальных проектах.
Важные второстепенные навыки. В курс входят темы, которые обычно упускаются из внимания, но необходимы специалисту в повседневных задачах и очень ценятся работодателями:
— построение систем для автоматического поиска аномалий;
— прогнозирования временных рядов при помощи машинного обучения;
— end-to-end pipelin’ы по работе с данными, готовые к внедрению в production.
— построение систем для автоматического поиска аномалий;
— прогнозирования временных рядов при помощи машинного обучения;
— end-to-end pipelin’ы по работе с данными, готовые к внедрению в production.
Творческая атмосфера и условия, близкие к реальным рабочим процессам. Весь курс построен как симулятор рабочих будней дата сайентиста, где вам придется справляться с «грязными» данными, просчитывать свои действия наперед, экспериментировать с решениями и готовить модели в продакшн. В этом деле вам понадобятся любопытство, упорство и жажда нового опыта.
Преподаватели
Отзывы
10
Необходимые знания
Для прохождения программы необходимы:
— навыки программирования на Python (опыт написания собственных функций),
— знания математического анализа (вычисление производных сложных функций),
— знания линейной алгебры (матричные операции и собственные вектора),
— знания теории вероятностей и мат. статистики (понимание дисперсии, мат. ожидания, нормального закона распределения).
— навыки программирования на Python (опыт написания собственных функций),
— знания математического анализа (вычисление производных сложных функций),
— знания линейной алгебры (матричные операции и собственные вектора),
— знания теории вероятностей и мат. статистики (понимание дисперсии, мат. ожидания, нормального закона распределения).
Подготовительный курс
- Основные возможности языка Python
- Создание сайтов на Django
- Библиотеки для анализа данных
- Подготовка к курсам "Web-разработчик на Python" и "Разработчик Python"
Программа обучения
В процессе обучения вы получите комплексные знания и навыки.
C 26 ноября
Тема 1.
Введение в машинное обучение
Тема 2.
Базовые инструменты анализа данных в Python
Тема 3.
Exploratory Data Analysis and Preprocessing
Тема 4.
Задача классификации. Метод ближайших соседей (kNN)
Тема 5.
Задача регрессии. Линейная регрессия
Тема 6.
Логистическая регрессия
Тема 7.
Feature engineering & advanced preprocessing
Тема 8.
АБ тестирование
Тема 9.
Практическое занятие по темам, изученным в первом модуле
C 12 января
Тема 10.
Python для ML: пайплайны, ускорение pandas, мультипроцессинг
Тема 11.
Метод опорных векторов
Тема 12.
Деревья решений
Тема 13.
Ансамбли моделей
Тема 14.
Градиентный бустинг
Тема 15.
Обучение без учителя. K-means, EM алгоритм
Тема 16.
Обучение без учителя. Иерархическая кластеризация. DB-Scan
Тема 17.
Методы уменьшения размерности
Тема 18.
Поиск аномалий в данных
Тема 19.
Алгоритмы на графах
C 16 февраля
Тема 20.
Сбор данных
Тема 21.
Анализ текстовых данных. Часть 1: Предобработка и токенизация
Тема 22.
Анализ текстовых данных. Часть 2: Тематическое моделирование
Тема 23.
Анализ текстовых данных. Часть 3: Named Entity Recognition
Тема 24.
Анализ текстовых данных. Часть 4: Векторные представления слов, работа с предобученными эмбеддингами
C 9 марта
Тема 25.
Анализ временных рядов. Часть 1: Постановка задачи, простейшие методы. ARIMA-модель
Тема 26.
Анализ временных рядов. Часть 2: Извлечение признаков и применение моделей машинного обучения. Автоматическое прогнозирование
Тема 27.
Анализ временных рядов Часть 3: Кластеризация временных рядов (ищем связанные котировки акций)
C 25 марта
Тема 28.
Рекомендательные системы. Часть 1: Постановка задачи, метрики качества. Коллаборативная фильтрация. Холодный старт
Тема 29.
Рекомендательные системы. Часть 2: Контентная фильтрация, гибридные подходы. Ассоциативные правила
Тема 30.
Рекомендательные системы. Часть 3: Implicit feedback (извлекаем предпочтения из поведения пользователя)
Тема 31.
Практическое занятие по рекомендательным системам. Surpsise
C 8 апреля
Тема 32.
Тренировка по ML №1
Тема 33.
Тренировка по ML №2
C 15 апреля
Тема 34.
Консультация по проектам и домашним заданиям
Тема 35.
Бонус: поиск Data Science работы
Тема 36.
Защита проектных работ
Скачать подробную программу
Выпускной проект
Мы стремимся, чтобы студенты самостоятельно выбирали темы для выпускных проектов, а не работали по шаблонным заготовкам. В результате все работы получаются уникальными исследовательскими проектами по машинному обучению, о которых с большим интересом можно рассказывать во время собеседований или даже публиковать статьи. Примеры таких выпускных проектов можно найти по ссылкам:
- Как сделать тематическое моделирование форума быстро или что беспокоит людей с целиакией
- Анализируем шедевры живописи с помощью классического ML
- Как сделать тематическое моделирование форума быстро или что беспокоит людей с целиакией
- Анализируем шедевры живописи с помощью классического ML
Процесс обучения
Образовательный процесс происходит ONLINE в формате вебинаров (язык преподавания — русский). В рамках курса слушателям предлагаются к выполнению домашние задания, которые позволяют применить на практике знания, полученные на занятиях. По каждому домашнему заданию преподаватель дает развернутый фидбек. В течение всего учебного процесса преподаватель находится в едином коммуникационном пространстве с группой, т. е. при обучении слушатель может задавать преподавателю уточняющие вопросы по учебным материалам.
Получить консультацию
Наш
специалист
свяжется
с вами в ближайшее время. Если у вас возникли трудности в
выборе
курса или проблемы технического плана, то мы с радостью
поможем
вам.
После обучения вы
- заберете с собой материалы по всем занятиям (презентации, записи вебинаров, примеры практических задач);
- получите сертификат на русском о прохождении курса;
- научитесь использовать методы машинного обучения для решения реальных бизнес-задач;
- создадите своё портфолио проектов, которое поможет в прохождении собеседований;
- получите приглашение пройти собеседование в компаниях-партнерах OTUS в Москве (в случае успешного обучения на курсе).
Дата выдачи сертификата: 31 мая 2021 года
Ваш сертификат
онлайн-образование
Сертификат №0001
Константин Константинопольский
Успешно закончил курс «Machine Learning. Professional»
Выполнено практических заданий: 16 из 16
Общество с ограниченной ответственностью “Отус Онлайн-Образование”
Город:
Москва
Генеральный директор ООО “Отус Онлайн-Образование”
Виталий Чибриков
Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.
№ 039825 от 28 декабря 2018 года.
Прошедшие открытые вебинары
Открытый вебинар — это настоящее занятие в режиме он-лайн с
преподавателем курса, которое позволяет
посмотреть, как проходит процесс обучения. В ходе занятия
слушатели имеют возможность задать вопросы и
получить знания по реальным практическим кейсам.
Кластеризация
Андрей Канашов
День открытых дверей
12 ноября в 14:00
Для доступа к прошедшим мероприятиям необходимо
пройти входное тестирование
Возможность пройти вступительное тестирование
повторно появится только через 2 недели
Результаты тестирования будут отправлены вам на
e-mail, указанный при регистрации.
Тест рассчитан на 30 минут, после начала
тестирования отложить тестирование не
получится!
