Machine Learning. Basic | OTUS
⚡ Подписка на курсы OTUS!
Интенсивная прокачка навыков для IT-специалистов!
Подробнее

Курсы

Программирование
PHP Developer. Professional Алгоритмы и структуры данных Разработчик программных роботов (RPA) на базе UiPath и PIX
-27%
Scala-разработчик PHP Developer. Basic C# Developer. Professional
-23%
Архитектура и шаблоны проектирования iOS Developer. Professional MS SQL Server Developer Golang Developer. Professional Vue.js разработчик NoSQL Highload Architect Node.js Developer Web-разработчик на Python Android Developer. Professional Microservice Architecture Reverse-Engineering. Professional React.js Developer Flutter Mobile Developer Разработчик IoT Подготовка к сертификации Oracle Java Programmer (OCAJP) Java Developer. Basic Программист С Супер-интенсив "Tarantool" Специализация Java-разработчик
Инфраструктура
Разработчик программных роботов (RPA) на базе UiPath и PIX
-27%
Administrator Linux. Professional
-26%
Network engineer Разработчик чат-ботов и приложений для виртуальных ассистентов
-15%
Administrator Linux. Advanced Специализация Network engineer
-5%
Cloud Solution Architecture NoSQL Инфраструктурная платформа на основе Kubernetes Базы данных Microservice Architecture Мониторинг и логирование: Zabbix, Prometheus, ELK Супер-практикум по использованию и настройке GIT Administrator Linux.Basic Экспресс-курс «IaC Ansible» Экспресс-курс по управлению миграциями (DBVC) Экспресс-курс "Версионирование и командная работа с помощью Git" Network engineer. Basic
Корпоративные курсы
Безопасность веб-приложений Разработчик программных роботов (RPA) на базе UiPath и PIX
-27%
Разработчик чат-ботов и приложений для виртуальных ассистентов
-15%
Agile Project Manager Руководитель поддержки пользователей в IT
-10%
Промышленный ML на больших данных Cloud Solution Architecture NoSQL Node.js Developer Reverse-Engineering. Basic Machine Learning. Professional Супер-практикум по работе с протоколом BGP Game QA Engineer Разработчик IoT Экcпресс-курс «ELK» Enterprise Architect Экспресс-курс «CI/CD или Непрерывная поставка с Docker и Kubernetes» Экспресс-курс «Введение в непрерывную поставку на базе Docker» Вебинар CERTIPORT
Специализации Курсы в разработке Подготовительные курсы Подписка
+7 499 938-92-02
Machine Learning. Basic

Machine Learning. Базовый уровень

С нуля до уверенных Junior компетенций в Машинном обучении. Персональный ментор. Практика на реальных данных.

Длительность обучения:

6 месяцев

4 ак. часа в нед.

Начало занятий:

16 ноября

Что даст вам этот курс

Вы научитесь решать задачи из реальных рабочих процессов, которые чаще всего в Data Science поручают начинающим специалистам. К концу курса вы соберете портфолио работ, пройдете подготовку к собеседованиям и карьерную консультацию.

Курс даст вам необходимый фундамент:

  • Python. Пройдете основы программирования и научитесь использовать этот наиболее актуальный язык в задачах Machine Learning.
  • Математика. Освоите ключевые разделы, чтобы понимать теоретические основы и принципы работы алгоритмов.
  • Классические модели Machine Learning. Соберете свои наборы данных и выполните полный пайплайн работ со своими первыми моделями.

Творческая атмосфера:

Во время обучения вы погрузитесь в условия, близкие к реальным рабочим процессам. Вам придется справляться с «грязными» данными, просчитывать свои действия наперед, экспериментировать с решениями и готовить модели к проду.

Обстановка на занятиях располагает быть любопытным, активно дискутировать и не бояться ошибок.

Персональный ментор:

  • Онлайн-сессии на 40 минут каждую неделю;
  • В начале обучения за вами закрепляется ментор. Как и преподаватели, менторы — эксперты, работающие в Data Science;
  • Раз в неделю вы делаете домашнее задание, выкладываете на гитхаб и договариваетесь с ментором о созвоне;
  • Ментор заранее знакомится с вашим кодом, поэтому к встрече он уже знает, на что обратить внимание. Вы тоже можете заготовить вопросы;
  • На сессии ментор прокомментирует ваше решение. При необходимости можно сразу перейти в среду разработки, внести правки в код и тут же посмотреть результат.

После обучения вы сможете:

  • Претендовать на должности, где требуются junior-компетенции
  • Решать реальные бизнес-задачи при помощи методов машинного обучения
  • Работать с Python-библиотеками для Machine Learning
  • Справляться с нестандартными ситуациями за счет глубокого теоретического понимания работы алгоритмов и моделей
  • Ориентироваться в различных направлениях Data Science и подбирать подходящие под задачу инструменты.

Преподаватели

Дмитрий Сергеев
Senior Data Scientist в Oura
Мария Тихонова
Senior Data Scientist Сбер, преподаватель ВШЭ
Андрей Канашов
Data Scientist в OMD OM GROUP
Нигяр Мовсумова
Разработчик программного обеспечения в Azerconnect
Борис Цейтлин
Евгений Ревняков
Антон Лоскутов
Data Scientist в Mail.Ru Group
Сурен Хоренян
Программист приложений в AdCombo
Практикует машинное обучение и анализ данных с 2012 года. В настоящий момент работает Senior Data Scientist-ом в компании ŌURA Health Oy. Имеет опыт практического применения машинного обучения в геймдеве, банковской сфере и Health Tech.

Преподавал машинное обучение и анализ данных в Центре Математических Финансов МГУ, был приглашенным лектором на Факультете Компьютерных Наук НИУ ВШЭ и различных летних школах.

Образование: Эконом-мат РЭУ им. Плеханова, ЦМФ МГУ, ДПО ФКН ВШЭ «Практический анализ данных и машинное обучение», MSc Computer Science Aalto University

Стек/интересы: Python, Machine Learning, Time Series, Anomaly Detection, Open Data, ML for social good

Работает специалистом по анализу данных в команде AGI NLP в Сбере. Занимается нейросетевыми языковыми моделями и их применением в реальных задачах. Считает, что работа в области Data Science дает уникальную возможность заниматься безумно крутыми вещами on the edge of science, которые меняют мир здесь и сейчас.

Преподает в Высшей Школе Экономики дисциплины по анализу данных, машинному обучению и data science.

Мария закончила механико-математический факультет МГУ и школу анализа данных Яндекса. В настоящий момент Мария обучается в аспирантуре ВШЭ на факультете компьютерных наук. Среди ее научных интересов такие области data science, как natural language processing и тематическое моделирование.

Работает на позиции Data Scientist в рекламном агентстве OMD OM GROUP. В текущей деятельности решает задачи:
- Аудиторного профилирования
- Персонализации рекламы
- Анализа социальных сетей

Самостоятельно занимался изучением Machine Learning. Знает, что нужно для освоения новой профессии и какие при этом возникают вопросы.

Работает в одной из крупнейших телекоммуникационных компаний в Азербайджане.
Больше года опыта как инструктор, в том числе по Python для разных возрастных групп.
Технический ментор проекта развития для начинающих программистов в Google Developers Group.

Профессиональный опыт в разработке на Java, Spring Boot, Javascript, Python, HTML, CSS, React и многих окружающих их технологий, в том числе RabbitMQ, SQL с использованием таких СУБД, как Oracle, MySQL, PostgreSQL, MongoDB, SQLite, MS SQL.

На данный момент занимается разработкой микросервисов и изучает DevOps.

Интересы: алгоритмы, математика, машинное обучение.

Девиз по жизни: Наши возможности ограничены только нашей мотивацией и законами физики.

Выпускник магистратуры "Науки о данных" ФКН ВШЭ.

Работал machine learning инженером в Mindsdb, где разрабатывал auto-ml решения. Имеет опыт работы в аналитике продукта и back-end разработке.

Сфера научных интересов включает в себя computer vision, semi-supervised learning, few-shot learning.

Начинал в школе с паяльником в руках. Потом был ZX Spectrum. В университет пошел на техническую специальность. В механике много интересного, но в 2008 интерес к ИТ взял верх: компьютерные сети -> Delphi -> PHP -> Python.
Были эксперименты с другими языками, но хочется писать именно на нем. Участвовал в проектах по автоматизации бизнес-процессов при помощи нейросетей (сервис заказа такси «Максим»), разработке информационных систем в медицине. Работал с GIS-системами и процессингом изображений при помощи Python.
В преподавании позиция: «Если кто-то не может объяснить сложное простыми словами, — значит он в этом еще не очень хорошо разбирается».

Образование: Курганский университет, кафедра "Безопасность информационных и автоматизированных систем", к.т.н.
В 2002 окончил Курганский государственный университет по специальности "Многоцелевые гусеничные и колесные машины".
В 2005 защитил диссертацию по бесступенчатым передачам. С тех пор официально трудоустроен в университете (КГУ).

Работает на позиции Data Scientist в Mail.Ru Group. Окончил образовательный проект «Техносфера» от Mail.Ru. Закончил обучение в МГУ имени М. В. Ломоносова на механико-математическом факультете.

Читал лекции по машинному обучению в проекте Open Data Science, сейчас проводит авторский курс по машинному обучению внутри Mail.Ru. Считает, что машинное обучение — это не только fit-predict, но и математическое понимание происходящего.

В настоящий момент занимает должность Backend-разработчика на Python 3.6 в компании AdCombo. Стек используемых технологией включает Flask, SQLAlchemy, PostgreSQL, Redis, Docker и многое другое.

Начинал свою карьеру системным администратором в «АНТИвор», занимался оптимизацией рабочих процессов, сбором статистики и визуализацией аналитики. Затем перешел на должность Full Stack-программиста на Python и разрабатывал инструменты внутреннего пользования и web-интерфейсы для продукции компании.

Дмитрий
Сергеев
Мария
Тихонова
Андрей
Канашов
Нигяр
Мовсумова
Борис
Цейтлин
Евгений
Ревняков
Антон
Лоскутов
Сурен
Хоренян

Преподаватели

Дмитрий Сергеев
Senior Data Scientist в Oura
Практикует машинное обучение и анализ данных с 2012 года. В настоящий момент работает Senior Data Scientist-ом в компании ŌURA Health Oy. Имеет опыт практического применения машинного обучения в геймдеве, банковской сфере и Health Tech.

Преподавал машинное обучение и анализ данных в Центре Математических Финансов МГУ, был приглашенным лектором на Факультете Компьютерных Наук НИУ ВШЭ и различных летних школах.

Образование: Эконом-мат РЭУ им. Плеханова, ЦМФ МГУ, ДПО ФКН ВШЭ «Практический анализ данных и машинное обучение», MSc Computer Science Aalto University

Стек/интересы: Python, Machine Learning, Time Series, Anomaly Detection, Open Data, ML for social good

Мария Тихонова
Senior Data Scientist Сбер, преподаватель ВШЭ
Работает специалистом по анализу данных в команде AGI NLP в Сбере. Занимается нейросетевыми языковыми моделями и их применением в реальных задачах. Считает, что работа в области Data Science дает уникальную возможность заниматься безумно крутыми вещами on the edge of science, которые меняют мир здесь и сейчас.

Преподает в Высшей Школе Экономики дисциплины по анализу данных, машинному обучению и data science.

Мария закончила механико-математический факультет МГУ и школу анализа данных Яндекса. В настоящий момент Мария обучается в аспирантуре ВШЭ на факультете компьютерных наук. Среди ее научных интересов такие области data science, как natural language processing и тематическое моделирование.

Андрей Канашов
Data Scientist в OMD OM GROUP
Работает на позиции Data Scientist в рекламном агентстве OMD OM GROUP. В текущей деятельности решает задачи:
- Аудиторного профилирования
- Персонализации рекламы
- Анализа социальных сетей

Самостоятельно занимался изучением Machine Learning. Знает, что нужно для освоения новой профессии и какие при этом возникают вопросы.

Нигяр Мовсумова
Разработчик программного обеспечения в Azerconnect
Работает в одной из крупнейших телекоммуникационных компаний в Азербайджане.
Больше года опыта как инструктор, в том числе по Python для разных возрастных групп.
Технический ментор проекта развития для начинающих программистов в Google Developers Group.

Профессиональный опыт в разработке на Java, Spring Boot, Javascript, Python, HTML, CSS, React и многих окружающих их технологий, в том числе RabbitMQ, SQL с использованием таких СУБД, как Oracle, MySQL, PostgreSQL, MongoDB, SQLite, MS SQL.

На данный момент занимается разработкой микросервисов и изучает DevOps.

Интересы: алгоритмы, математика, машинное обучение.

Девиз по жизни: Наши возможности ограничены только нашей мотивацией и законами физики.

Борис Цейтлин
Выпускник магистратуры "Науки о данных" ФКН ВШЭ.

Работал machine learning инженером в Mindsdb, где разрабатывал auto-ml решения. Имеет опыт работы в аналитике продукта и back-end разработке.

Сфера научных интересов включает в себя computer vision, semi-supervised learning, few-shot learning.

Евгений Ревняков
Начинал в школе с паяльником в руках. Потом был ZX Spectrum. В университет пошел на техническую специальность. В механике много интересного, но в 2008 интерес к ИТ взял верх: компьютерные сети -> Delphi -> PHP -> Python.
Были эксперименты с другими языками, но хочется писать именно на нем. Участвовал в проектах по автоматизации бизнес-процессов при помощи нейросетей (сервис заказа такси «Максим»), разработке информационных систем в медицине. Работал с GIS-системами и процессингом изображений при помощи Python.
В преподавании позиция: «Если кто-то не может объяснить сложное простыми словами, — значит он в этом еще не очень хорошо разбирается».

Образование: Курганский университет, кафедра "Безопасность информационных и автоматизированных систем", к.т.н.
В 2002 окончил Курганский государственный университет по специальности "Многоцелевые гусеничные и колесные машины".
В 2005 защитил диссертацию по бесступенчатым передачам. С тех пор официально трудоустроен в университете (КГУ).

Антон Лоскутов
Data Scientist в Mail.Ru Group
Работает на позиции Data Scientist в Mail.Ru Group. Окончил образовательный проект «Техносфера» от Mail.Ru. Закончил обучение в МГУ имени М. В. Ломоносова на механико-математическом факультете.

Читал лекции по машинному обучению в проекте Open Data Science, сейчас проводит авторский курс по машинному обучению внутри Mail.Ru. Считает, что машинное обучение — это не только fit-predict, но и математическое понимание происходящего.

Сурен Хоренян
Программист приложений в AdCombo
В настоящий момент занимает должность Backend-разработчика на Python 3.6 в компании AdCombo. Стек используемых технологией включает Flask, SQLAlchemy, PostgreSQL, Redis, Docker и многое другое.

Начинал свою карьеру системным администратором в «АНТИвор», занимался оптимизацией рабочих процессов, сбором статистики и визуализацией аналитики. Затем перешел на должность Full Stack-программиста на Python и разрабатывал инструменты внутреннего пользования и web-интерфейсы для продукции компании.

Необходимые знания

  • Знать математику на школьном уровне;
  • Знакомство с любым языком программирования - желательно, но не обязательно.
Корпоративное обучение для ваших сотрудников
>
Программа обучения
В процессе обучения вы получите комплексные знания и навыки.
Тема 1. Знакомство
Тема 2. Настройка окружения для работы
Тема 3. Базовые типы и структуры данных. Управление потоком
Тема 4. Работа с функциями и данными
Тема 5. Git, shell
Тема 6. Основы ООП
Тема 7. Продвинутый ООП, исключения
Тема 8. Продвинутый ООП, продолжение
Тема 9. Модули и импорты
Тема 10. Тесты
Тема 11. Знакомство со встроенными модулями
Тема 12. Файлы и сеть
Тема 13. Основы NumPy
Тема 14. Основы Pandas
Тема 15. Визуализация данных
C 29 июля
Тема 16. Матрицы. Основные понятия и операции
Тема 17. Практика. Матрицы
Тема 18. Дифференцирование и оптимизация функций
Тема 19. Практика. Дифференцирование и оптимизация функций
Тема 20. Алгоритмы и вычислительная сложность
Тема 21. МНК и ММП
Тема 22. Практика. МНК и ММП
Тема 23. Случайные величины и их моделирование
Тема 24. Практика. Случайные величины и их моделирование
Тема 25. Исследование зависимостей: номинальные, порядковые и количественные величины
Тема 26. Практика. Исследование зависимостей: номинальные, порядковые и количественные величины
Тема 27. AБ тестирование
C 16 сентября
Тема 28. Введение в машинное обучение
Тема 29. Базовые инструменты анализа данных в Python
Тема 30. Exploratory Data Analysis and Preprocessing
Тема 31. Задача классификации. Метод ближайших соседей
Тема 32. Задача регрессии. Линейная регрессия
Тема 33. Логистическая регрессия
Тема 34. Feature engineering & advanced preprocessing
Тема 35. Практическое занятие - решаем Kaggle, используя всё, что узнали
C 14 октября
Тема 36. Выбор темы и организация проектной работы
Тема 37. Консультация по проекту
Тема 38. Защита проекта
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 проектов, которые студенты делали на курсе Machine Learning. Professional :
- 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.
Спасибо!
Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

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 при прохождении собеседований;

  • получите приглашение пройти собеседование в компаниях-партнерах OTUS (в случае успешного обучения на курсе).

Дата выдачи сертификата: 27 июня 2022 года
Ваш сертификат

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Machine Learning. Basic»
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.

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Machine Learning. Basic»
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.
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.
Интенсив «Data Science - это проще, чем кажется». День 2
Мария Тихонова
День открытых дверей
13 мая в 20:00
Оставьте заявку, чтобы получить доступ к записям прошедших мероприятий. Записи всех мероприятий появятся в этом блоке
🔥 Выгодные предложения
Подборка курсов, которые можно приобрести по выгодной цене только до конца июля!