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

Курсы

Программирование
Backend-разработчик на PHP
-9%
Алгоритмы и структуры данных
-9%
Team Lead
-6%
Архитектура и шаблоны проектирования Разработчик IoT
-13%
C# Developer. Professional
-9%
HTML/CSS
-11%
C# ASP.NET Core разработчик
-5%
Kotlin Backend Developer
-8%
iOS Developer. Professional
-8%
Symfony Framework C++ Developer. Professional Java Developer. Basic JavaScript Developer. Professional Базы данных Android Developer. Professional Framework Laravel Cloud Solution Architecture Highload Architect Reverse-Engineering. Professional Vue.js разработчик Agile Project Manager Интенсив «Оптимизация в Java» Супер - интенсив по паттернам проектирования Супер - интенсив по Kubernetes Супер-интенсив «СУБД в высоконагруженных системах» Супер-интенсив "Tarantool" PHP Developer. Basic
Инфраструктура
Administrator Linux.Basic
-10%
Мониторинг и логирование: Zabbix, Prometheus, ELK
-10%
Экспресс-курс «CI/CD или Непрерывная поставка с Docker и Kubernetes»
-30%
Administrator Linux. Professional
-6%
Дизайн сетей ЦОД
-13%
Разработчик IoT
-13%
Экспресс-курс по управлению миграциями (DBVC)
-10%
Основы Windows Server MS SQL Server Developer Разработчик программных роботов (RPA) на базе UiPath и PIX Microservice Architecture Reverse-Engineering. Professional Внедрение и работа в DevSecOps Супер-практикум по работе с протоколом BGP Супер - интенсив по паттернам проектирования Супер - интенсив по Kubernetes Экспресс-курс «IaC Ansible» Network engineer. Basic
Корпоративные курсы
Безопасность веб-приложений Пентест. Практика тестирования на проникновение Экспресс-курс «CI/CD или Непрерывная поставка с Docker и Kubernetes»
-30%
IT-Recruiter
-15%
Дизайн сетей ЦОД
-13%
Компьютерное зрение
-13%
Enterprise Architect
-6%
Экосистема Hadoop, Spark, Hive
-8%
Экспресс-курс по управлению миграциями (DBVC)
-10%
Основы Windows Server SRE практики и инструменты Cloud Solution Architecture Разработчик голосовых ассистентов и чат-ботов Agile Project Manager Супер-практикум по работе с протоколом BGP Infrastructure as a code in Ansible Супер-практикум по использованию и настройке GIT Промышленный ML на больших данных Супер-интенсив Azure Системный аналитик. Advanced
Специализации Курсы в разработке Подготовительные курсы
+7 499 938-92-02
Специальная цена
Специальная цена
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.

Формат:

Online

Начало занятий:

31 мая

Дни занятий:

Пн 20:00, Чт 20:00

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.
Demo Day курса Machine Learning. Basic, 13 мая в 20:00
На Дне открытых дверей преподаватель расскажет о программе курса, формате обучения и перспективах для выпускников. Формат проведения — онлайн трансляция. Участие бесплатное.
Ведет
Дмитрий
Сергеев
Интенсив «Data Science - это проще, чем кажется». День 1, 26 мая в 20:00
На занятии мы поговорим об истории и основных вехах в развитии Искуственного Интеллекта, вы узнаете, какие задачи решает Data Science и чем занимается Машинное Обучение.
И уже сегодня (да-да, сегодня прямо на первом занятии!) вы сможете научить компьютер, определять, что изображено на картинке. А именно вы попробуете обучить свою первую модель машинного обучения для решения задачи классификации изображений. Поверьте, это проще, чем кажется!
Мария
Тихонова
Интенсив «Data Science - это проще, чем кажется». День 2, 28 мая в 20:00
Сегодня мы копнем чуть глубже в Data Science и поговорим о текстах. Компьютеры отлично умеют работать с числами, а вот текст для них - темный лес. Как научить компьютер понимать наш язык? Идея! Закодируем текст в виде векторов!
На занятии вы узнаете о том, как работают с текстовыми данными в задачах Data Science, на чем основана идея чат-ботов и машинного перевода. И конечно, мы попробуем применить новые знания на практике, обучим модель, способную распознавать эмоциональную окраску текста.
Мария
Тихонова

Преподаватели

Дмитрий Сергеев
Senior Data Scientist в Oura
Мария Тихонова
Senior Data Scientist Сбер, преподаватель ВШЭ
Андрей Канашов
Data Scientist в OMD OM GROUP
Борис Цейтлин
Антон Лоскутов
Data Scientist в Mail.Ru Group
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

Руководитель программы
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.

Преподаватель
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.

Преподаватель
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.

Преподаватель
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.

Преподаватель
Дмитрий
Сергеев
Мария
Тихонова
Андрей
Канашов
Борис
Цейтлин
Антон
Лоскутов

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

Руководитель программы
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.

Преподаватель
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.

Преподаватель
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.

Преподаватель
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.

Преподаватель

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.
C 31 мая
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
C 21 июня
Тема 6. Основы ООП
Тема 7. Продвинутый ООП, исключения
Тема 8. Последняя ступень ООП в Python: Метаклассы
Тема 9. Модули и импорты
Тема 10. Знакомство со встроенными модулями
Тема 11. Файлы и сеть
Тема 12. Тесты
Тема 13. Хранение данных
Тема 14. ORM: SQLAlchemy. Связи в БД
C 22 июля
Тема 15. Основы NumPy
Тема 16. Основы Pandas
Тема 17. Визуализация данных
C 9 августа
Тема 18. Матрицы. Основные понятия и операции
Тема 19. Практика. Матрицы
Тема 20. Дифференцирование и оптимизация функций
Тема 21. Практика. Дифференцирование и оптимизация функций
Тема 22. Алгоритмы и вычислительная сложность
Тема 23. МНК и ММП
Тема 24. Практика. МНК и ММП
Тема 25. Случайные величины и их моделирование
Тема 26. Практика. Случайные величины и их моделирование
Тема 27. Исследование зависимостей: номинальные, порядковые и количественные величины
Тема 28. Практика. Исследование зависимостей: номинальные, порядковые и количественные величины
Тема 29. AБ тестирование
C 20 сентября
Тема 30. Введение в машинное обучение
Тема 31. Базовые инструменты анализа данных в Python
Тема 32. Exploratory Data Analysis and Preprocessing
Тема 33. Задача классификации. Метод ближайших соседей
Тема 34. Задача регрессии. Линейная регрессия
Тема 35. Логистическая регрессия
Тема 36. Feature engineering & advanced preprocessing
Тема 37. Практическое занятие - решаем Kaggle, используя всё, что узнали
C 28 октября
Тема 38. Выбор темы проекта
Тема 39. Консультация по проекту
Тема 40. 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: 11 января 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.
Стоимость обучения
60 000 ₽
65 000 ₽
Продолжительность
6 месяцев
Начало занятий
31 мая