Machine Learning. Professional
27 декабря
Professional
5 месяцев
Онлайн
Пн/Ср 20:00 Мск
Для кого этот курс?
- Для начинающих аналитиков и Data Scientist’ов. 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 работы с Python на уровне написания собственных функций, а также знание мат.анализа, линейной алгебры, теории вероятностей и мат. статистики.
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)

Что даст вам этот курс ?
Вы последовательно освоите современные инструменты анализа данных и сможете на профессиональном уровне создавать модели машинного обучения. Для закрепления навыков каждый алгоритм вы будуте применять на практике на реальных данных.
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
Важные второстепенные навыки. В курс входят темы, которые обычно упускаются из внимания, но необходимы специалисту в повседневных задачах и очень ценятся работодателями:
-
методы автоматической работы с текстом
- прогнозирования временных рядов при помощи машинного обучения
- методы построения рекомендательных систем
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.
Процесс обучения
Вебинары проводятся 2 раза в неделю по 2 ак. часа и сохраняются в записи в личном кабинете. Вы можете посмотреть их в любое удобное для вас время.
В ходе обучения вы будете выполнять домашние задания. Каждое из них посвящено одному из компонентов вашего выпускного проекта.
После выполнения всех домашних заданий вы получите готовый выпускной проект.
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+ в зависимости от вашего базового уровняТрудоустройство
Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.
- Получите помощь с оформлением резюме, портфолио и сопроводительного письма
- Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров
Data Scientist
Работодатели курса
Формат обучения
Интерактивные вебинары
2 занятия по 2 ак.часа в неделю.
Доступ к записям и материалам остается навсегда.
Обратная связь
Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии.
Активное комьюнити
Чат в Telegram для общения преподавателей и студентов.
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: Вводный урок. Программа курса. Повторение основных концепций машинного обучения
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 (рекурретные нейросети).
Тема 1: Введение в нейросети
Тема 2: Продвинутые методы оптимизации, backpropagation и обучение нейронных сетей
Тема 3: PyTorch
Тема 4: Борьба с переобучение нейросетей, взрыв и затухание градиентов
Тема 5: Сверточные сети (Convolutional Neural Networks)
Тема 6: Рекуррентные сети
Тема 7: Q&A
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: Анализ текстовых данных. Часть 1: Предобработка и токенизация
Тема 3: Анализ текстовых данных. Часть 2: Векторные представления слов, работа с предобученными эмбеддингами
Тема 4: Анализ текстовых данных. Часть 3: Named Entity Recognition
Тема 5: Анализ текстовых данных. Часть 4: Тематическое моделирование
Тема 6: Q&A + бонусная практика по трансформерам
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: Ведение в рекомендательные системы
Тема 2: Эвристические модели. Коллаборативная фильтрация.
Тема 3: Контентная фильтрация, гибридные подходы. Ассоциативные правила
Тема 4: Методы матричной факторизации.
Тема 5: Практическое занятие по рекомендательным системам. Тюнинг моделей матричной факторизации.
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 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 можно рассказывать во время собеседований или даже публиковать статьи. Примеры таких выпускных проектов:
1. Тематическое моделирование форума 2. Анализ изображений с помощью классического ML
Преподаватели
Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания
Ближайшие мероприятия
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.
Кому подходит: как и в других ОУ по ML-prof с прошлого запуска
Результаты урока:
- как применять ассоциативные правила в рекомендательных системах
- узнаете, как искать ассоциативные правила в покупательских корзинах
- вы сможете находить ассоциативные правила инструментами Python
Рассмотрим что такое эмбеддинги и векторизация текстов
Рассмотрим задачу векторного поиска и векторные базы данных
Обсудим промпт-инжиниринг
Установим и запустим проект AI чат бота на фреймворке Langhain
Обсудим проблему сегментации текстов и суммаризации контекста диалога
Кому подходит этот урок:
- IT-специалистам, которые хотят быстро создавать прототипы AI чат ботов
- Продуктологам и менеджерам ИТ прокетов, кто задумывается о создании и использовании AI ботов
- Бизнес пользователям кто хотел бы в своих проектах или бизнесе создать AI чат бота
Результаты урока: Вы узнаете как работать с Langchain, как использовать языковые модели для ответов с учетом вашей базы знаний
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
- получите все необходимые навыки для работы в Data Science
- пополните свое портфолио новыми работами для будущего работодателя
- получите сертификат о прохождении курса
Machine Learning. Professional
Стоимость в рассрочку
Стоимость указана для оплаты физическими лицами
вычета до 13% стоимости обучения. Пройдите тестирование и менеджер вас проконсультирует
+7 499 938-92-02 бесплатно