Machine learning: современные методы анализа данных и инструменты Data Science
Рассрочка
Партнер курса
логотип партнера
Рассрочка

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.

Длительность обучения:

5 месяцев

4 ак. часа в нед.

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.

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.

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).

Подготовительный курс

  • Основные возможности языка Python

  • Создание сайтов на Django

  • Библиотеки для анализа данных

  • Подготовка к курсам "Web-разработчик на Python" и "Разработчик Python"

Записаться

Корпоративное обучение для ваших сотрудников

Поможем вашей компании развивать команду! Профиты данного курса для компании: Подробное изучение самых популярных баз данных с возможностью сосредоточиться на тех, которые используются в компании / Оптимизированные стабильные системы / Работа над промышленными задачами во время практики
>

Программа обучения

В процессе обучения вы получите комплексные знания и навыки.
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
Тема 8. Методы уменьшения размерности
Тема 9. Обучение без учителя. K-means
Тема 10. Обучение без учителя. Иерархическая кластеризация. DB-Scan
Тема 11. Поиск аномалий в данных
Тема 12. Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей
Тема 13. Алгоритмы на графах
Тема 14. Сбор данных
Тема 15. Анализ текстовых данных. Часть 1: Предобработка и токенизация
Тема 16. Анализ текстовых данных. Часть 2: Векторные представления слов, работа с предобученными эмбеддингами
Тема 17. Анализ текстовых данных. Часть 3: Named Entity Recognition
Тема 18. Анализ текстовых данных. Часть 4: Тематическое моделирование
Тема 19. Q&A + бонусная практика по трансформерам
Тема 20. Анализ временных рядов. Часть 1: Постановка задачи, простейшие методы. ARIMA-модель
Тема 21. Анализ временных рядов. Часть 2: Извлечение признаков и применение моделей машинного обучения. Автоматическое прогнозирование
Тема 22. Анализ временных рядов Часть 3: Кластеризация временных рядов (ищем связанные котировки акций)
Тема 23. Рекомендательные системы. Часть 1: Постановка задачи, метрики качества. Коллаборативная фильтрация. Холодный старт
Тема 24. Рекомендательные системы. Часть 2: Продвинутые алгоритмы SVD и ALS (РС)
Тема 25. Рекомендательные системы. Часть 3: Контентная фильтрация, гибридные подходы. Ассоциативные правила
Тема 26. Практическое занятие по рекомендательным системам. Surpsise
Тема 27. Q&A
Тема 28. Введение в Deep Learning №1
Тема 29. Введение в Deep Learning №2
Тема 30. ML в Apache Spark
Тема 31. Поиск Data Science работы
Тема 32. Выбор темы и организация проектной работы
Тема 33. Предзащита проектных работ №1
Тема 34. Предзащита проектных работ №2
Тема 35. Защита проектных работ
Тема 36. Занятие «Что лежит в основе ChatGPT? (Бонус)»
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

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 в прохождении собеседований;

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

Зам. директора департамента образования
ООО “Отус Онлайн-Образование”
Вдовиченко М.M.

Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.

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

Зам. директора департамента образования
ООО “Отус Онлайн-Образование”
Вдовиченко М.M.

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.
Content-based рекомендательные системы
День открытых дверей
2 ноября 2021 года в 18:00
Оставьте заявку, чтобы получить доступ к записям прошедших мероприятий. Записи всех мероприятий появятся в этом блоке