Machine Learning. Basic | OTUS

Курсы

Программирование
Разработчик на Spring Framework C# ASP.NET Core разработчик iOS Developer. Basic Специализация iOS iOS Developer. Professional Архитектура и шаблоны проектирования Разработчик программных роботов (RPA) на базе UiPath и PIX Разработчик IoT Node.js Developer Java Developer. Professional
-19%
Microservice Architecture Unreal Engine Game Developer Scala-разработчик Java Developer. Basic HTML/CSS Специализация C++ Developer C++ Developer. Professional Android Developer. Professional
-20%
PostgreSQL для администраторов баз данных и разработчиков
-20%
Алгоритмы и структуры данных Специализация PHP Developer C# Developer. Professional Специализация C# Kotlin Developer. Basic Web-разработчик на Python Team Lead NoSQL Symfony Framework Unity Game Developer. Professional Буткемп Java Groovy Developer
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.

Формат:

Online

Начало занятий:

30 мая

Дни занятий:

Ср 20:00, Пн 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.

Предлагаем ознакомиться с Картой курсов направления Data Science в OTUS , чтобы выстроить собственную образовательную траекторию.

Преподаватели

Мария Тихонова
Senior Data Scientist Сбер, преподаватель ВШЭ
Андрей Канашов
Data Scientist в OMD OM GROUP
Светлана Медведева
Глеб Карпов
Skoltech Computational Intelligence Laboratory
Нигяр Мовсумова
Разработчик программного обеспечения в Azerconnect
Евгений Ревняков
Антон Лоскутов
Data Scientist в Mail.Ru Group
Александр Миленькин
Сурен Хоренян
МТС ИИ
Дмитрий Сергеев
Head of R&D в WeatherWell
Максим Бекетов
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.

Руководитель программы
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
Закончила МФТИ (бакалавриат и магистратура) и Сколтех (магистратура). С 2018 года преподает студентам МФТИ вычислительную математику (численные методы), сейчас ведет лабораторные занятия по питону и анализу данных на питоне.

Работала в консалтинге (разработка технологических решений) в SAS Institute. Занималась разработкой решений на основе SAS Event Stream Processing, работой с данными (DI, SAS Base, SQL) и автоматизированным тестированием (python+selenium), а также временными рядами.
Стажировалась в Huawei в группе компьютерного зрения.

В настоящее время работает аналитиком данных (разработка MVP для консалтинга). Один из проектов был связан с моделированием путешествия клиента. Сейчас занимается гомоморфным шифрованием.

Преподаватель
Окончил МФТИ и Сколтех в 2018 году.

В данный момент работает исследователем в Skoltech Computational Intelligence Laboratory: пишет научные статьи в составе международной коллаборации, занимается коммерческими проектами по темам машинного обучения и вычислительной линейной алгебры.

Имеет большой опыт в преподавании: почти 10 занимался организацией добровольной инициативы - многопрофильной летней школы-лагеря для школьников старших классов в Тульской области. На данный момент преподает в университете: ведет курс в ВШЭ по теории вероятностей и статистике на английском языке.
Профессиональные интересы: оптимизация, линейная алгебра, статистика, uncertainty quantification, обучение с подкреплением, регрессионный анализ, планирование эксперимента.
Нравится учиться, преподавать, доносить сложные вещи понятным языком, взаимодействовать с людьми, размышлять о природе вещей, явлений и концепций.

Преподаватель
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.

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).

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.

Старший менеджер по работе с большими данными в X5 Retail Group.
Ранее старший аналитик в Асна, data scientist в Gero и биоинформатик в Insilico Medicine.

Около 6 лет в IT. Выпускник МФТИ.

Преподаватель
Долгое время занимал 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.

Преподаватель
Практикует машинное обучение и анализ данных с 2012 года. В настоящий момент работает Head of R&D в компании WeatherWell. 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

Аспирант ФКН ВШЭ

Выпускник ФОПФ МФТИ и Сколтеха, в машинное обучение пришел из теоретической физики. Опыт работы в анализе данных (компания App In The Air) и Python-разработки (Archeads Inc.)

Многолетний опыт преподавания: линейной алгебры, статистики и теории вероятностей, разработки и анализа данных на Python.

Преподаватель
Мария
Тихонова
Андрей
Канашов
Светлана
Медведева
Глеб
Карпов
Нигяр
Мовсумова
Евгений
Ревняков
Антон
Лоскутов
Александр
Миленькин
Сурен
Хоренян
Дмитрий
Сергеев
Максим
Бекетов

Преподаватели

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.

Руководитель программы
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
Светлана Медведева
Закончила МФТИ (бакалавриат и магистратура) и Сколтех (магистратура). С 2018 года преподает студентам МФТИ вычислительную математику (численные методы), сейчас ведет лабораторные занятия по питону и анализу данных на питоне.

Работала в консалтинге (разработка технологических решений) в SAS Institute. Занималась разработкой решений на основе SAS Event Stream Processing, работой с данными (DI, SAS Base, SQL) и автоматизированным тестированием (python+selenium), а также временными рядами.
Стажировалась в Huawei в группе компьютерного зрения.

В настоящее время работает аналитиком данных (разработка MVP для консалтинга). Один из проектов был связан с моделированием путешествия клиента. Сейчас занимается гомоморфным шифрованием.

Преподаватель
Глеб Карпов
Skoltech Computational Intelligence Laboratory
Окончил МФТИ и Сколтех в 2018 году.

В данный момент работает исследователем в Skoltech Computational Intelligence Laboratory: пишет научные статьи в составе международной коллаборации, занимается коммерческими проектами по темам машинного обучения и вычислительной линейной алгебры.

Имеет большой опыт в преподавании: почти 10 занимался организацией добровольной инициативы - многопрофильной летней школы-лагеря для школьников старших классов в Тульской области. На данный момент преподает в университете: ведет курс в ВШЭ по теории вероятностей и статистике на английском языке.
Профессиональные интересы: оптимизация, линейная алгебра, статистика, uncertainty quantification, обучение с подкреплением, регрессионный анализ, планирование эксперимента.
Нравится учиться, преподавать, доносить сложные вещи понятным языком, взаимодействовать с людьми, размышлять о природе вещей, явлений и концепций.

Преподаватель
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.

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).

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.

Александр Миленькин
Старший менеджер по работе с большими данными в X5 Retail Group.
Ранее старший аналитик в Асна, data scientist в Gero и биоинформатик в Insilico Medicine.

Около 6 лет в IT. Выпускник МФТИ.

Преподаватель
Сурен Хоренян
МТС ИИ
Долгое время занимал 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.

Преподаватель
Дмитрий Сергеев
Head of R&D в WeatherWell
Практикует машинное обучение и анализ данных с 2012 года. В настоящий момент работает Head of R&D в компании WeatherWell. 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

Максим Бекетов
Аспирант ФКН ВШЭ

Выпускник ФОПФ МФТИ и Сколтеха, в машинное обучение пришел из теоретической физики. Опыт работы в анализе данных (компания App In The Air) и Python-разработки (Archeads Inc.)

Многолетний опыт преподавания: линейной алгебры, статистики и теории вероятностей, разработки и анализа данных на Python.

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 30 мая
Тема 1. Знакомство. Настройка окружения для работы
Тема 2. Базовые типы и структуры данных. Управление потоком
Тема 3. Работа с функциями и данными
Тема 4. Git, shell
C 20 июня
Тема 5. Основы ООП
Тема 6. Продвинутый ООП, исключения
Тема 7. Продвинутый ООП, продолжение
Тема 8. Модули и импорты
Тема 9. Тесты
Тема 10. Знакомство со встроенными модулями
Тема 11. Файлы и сеть
C 13 июля
Тема 12. Основы NumPy
Тема 13. Основы Pandas
Тема 14. Визуализация данных
C 1 августа
Тема 15. Матрицы. Основные понятия и операции
Тема 16. Практика. Матрицы
Тема 17. Дифференцирование и оптимизация функций
Тема 18. Практика. Дифференцирование и оптимизация функций
Тема 19. Алгоритмы и вычислительная сложность
Тема 20. МНК и ММП
Тема 21. Практика. МНК и ММП
Тема 22. Случайные величины и их моделирование
Тема 23. Практика. Случайные величины и их моделирование
Тема 24. Исследование зависимостей: номинальные, порядковые и количественные величины
Тема 25. Практика. Исследование зависимостей: номинальные, порядковые и количественные величины
Тема 26. AБ тестирование
C 19 сентября
Тема 27. Введение в машинное обучение
Тема 28. Exploratory Data Analysis and Preprocessing
Тема 29. Задача регрессии. Линейная регрессия
Тема 30. Задача классификации. Метод ближайших соседей
Тема 31. Логистическая регрессия
Тема 32. Деревья решений
Тема 33. Ансамбли моделей
Тема 34. Feature engineering & advanced preprocessing
C 17 октября
Тема 35. Выбор темы проекта
Тема 36. Консультация в формате предзащиты
Тема 37. 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 2023 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

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

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

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

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 2021 года в 20:00

Партнеры ждут выпускников этого курса

Стоимость обучения
Cтоимость указана для оплаты физическими лицами
67 500 ₽
Продолжительность
6 месяцев
Начало занятий
30 мая