Специализация «Машинное обучение»

Формат Очный
содержание 19 тем
Длительность 42 часа
По завершении Удостоверение
Начало занятий 23 сентября 2019 года
Стоимость
При оплате каждого курса
по отдельности
16 380 ₽
Сейчас 16 380 ₽

О курсе

Методы машинного обучения (ML) наиболее популярны и востребованы в современном мире анализа данных и применяются практически во всех отраслях. Эта популярность даёт свои плоды, и интерес к специалистам такого профиля стремительно растёт.

Долгое время считалось, что лишь немногим под силу освоить ML. ЭкоАкадемия развеивает этот миф, представляя новую специализацию — «Машинное обучение».

Специализация состоит из трёх курсов, обеспечивающих слушателям плавный и лёгкий старт в ML: 

  • Математическая база для ML
  • Программирование на Python
  • Машинное обучение

Каждый курс содержит необходимые теоретическую и практическую базы, включающие в себя самые актуальные темы, связанные с искусственным интеллектом и машинным обучением.

Программа специализации

Математическая база для машинного обучения

Математическая база

Введение. Общие сведения

  • Типы данных и измерительные шкалы
  • Отличия в подходах в зависимости от типа данных
  • Определение целей и задач исследования
  • Обучение с учителем и обучение без учителя
  • Этапы статистического анализа

Длительность: 2 часа

Математические основы

  • Основы линейной алгебры (векторы, матрицы, определители и пр.)
  • Основы математического анализа (понятие функции, производной, функции многих переменных, градиента и пр.)
  • Методы оптимизаций

Длительность: 2 часа

Теория вероятностей

  • Определение и классификация событий
  • Вероятность события
  • Сложение и умножение вероятностей
  • Формула полной вероятности и формула Байеса
  • Понятие и классификация случайных величин
  • Законы распределения
  • Числовые характеристики

Длительность: 2 часа

Математическая статистика

  • Понятие и способы задания выборки. Оценивание параметров
  • Точечное оценивание
  • Числовые характеристики выборки
  • Интервальное оценивание
  • Проверка статистических гипотез

Длительность: 2 часа

Прикладная статистика

  • Критерии сравнения групп
  • Корреляционный анализ
  • Введение в регрессионный анализ
  • Введение в методы классификации

Длительность: 2 часа

Скачать программу курса в формате pdf

Программирование на Python

Основные типы данных и команды языка Python

  • Основы работы с оболочкой Jupiter
  • Синтаксис Python
  • Управляющие операторы
  • Функции пользователя
  • Модули
  • Типы данных
  • Пространства имён, области видимости, локальные и глобальные переменные
  • Элементы объектно-ориентированного программирования
  • Работа с файлами

Длительность: 2 часа

Основные структуры данных языка Python. Приёмы и функции для работы с последовательностями

  • Базовые структуры данных: кортеж, список, словарь, множество
  • Библиотека datetime для работы датой и временем
  • Генераторы последовательностей, заполнение списков, генераторные выражения, элементы функционального программирования (функции filter, map, reduce)

Длительность: 2 часа

Знакомство с библиотекой NumPy

  • Типы данных NumPy. Создание массивов NumPy
  • Индексация массивов (базовая, расширенная целочисленная, расширенная булева, индексация с использованием полей)
  • Элементарные операции над массивами (изменение формы, слияние и разделение массивов)
  • Универсальные функции массивов NumPy

Длительность: 2 часа

Знакомство с библиотекой Pandas

  • Знакомство со структурами данных Series и DataFrame
  • Индексация структур Series и DataFrame
  • Элементарные методы обработки данных с помощью объектов Series и DataFrame
  • Продвинутые методы обработки данных (обработка категориальных данных, статистические методы, обработка пропусков, объединение и агрегация данных)

Длительность: 4 часа

Визуализация данных

  • Визуализация данных средствами библиотеки Pandas
  • Знакомство с библиотекой Matplotlib
  • Обзор других графических библиотек (Seaborn, Bokeh)

Длительность: 2 часа

Скачать программу курса в формате pdf

Машинное обучение

Обучение с учителем. Классификация

  • Обзор круга решаемых задач
  • Задача классификации
  • Алгоритмы классификации

Длительность: 2 часа

Обучение с учителем. Регрессия

  • Задача регрессии
  • Линейные модели и модели с нелинейными ядрами

Длительность: 2 часа

Обучение без учителя. Кластеризация

  • Задача кластеризации
  • Алгоритмы кластеризации
  • Задача отбора признаков и снижения размерности

Длительность: 2 часа

Практический подход к машинному обучению

  • Алгоритмы и методы машинного обучения
  • Проблемы и ограничения машинного обучения, способы их преодоления
  • Извлечение признаков
  • Многоуровневое машинное обучение

Длительность: 2 часа

Нейронные сети

  • Модель перцептрона
  • Задача оптимизации в алгоритмах машинного обучения: градиентный спуск
  • Метод обратного распространения ошибки
  • Алгоритмы оптимизации гиперпараметров ML алгоритмов

Длительность: 2 часа

Глубокое обучение

  • Глубокое обучение
  • Алгоритмы глубокого обучения

Длительность: 2 часа

Оптимизация глубоких сетей

  • Регуляризация глубоких сетей
  • Продвинутые стратегии оптимизации

Длительность: 2 часа

Работа с глубокими сетями

  • Архитектура нейронных сетей
  • Обработка естественных языков
  • Инструменты обработки естественных языков

Длительность: 2 часа

Обработка изображений при помощи глубокого обучения

  • Компьютерное зрение
  • Инструменты компьютерного зрения

Длительность: 2 часа

Итоговый экзамен «Машинное обучение»

Скачать программу курса в формате pdf

Появились вопросы по курсу?

Оставьте свои контактные данные и наш специалист свяжется с вами, чтобы ответить на ваши вопросы

Нажимая на кнопку «Получить консультацию», вы даете согласие на обработку своих персональных данных

Обучение в
EcoAcademy

Выберите интересные для вас курсы и темы

Выберите очный формат или онлайн-формат веб-конференции. Изучайте новый материал

Сдайте экзамен в рамках соответствующей программы

Получите удостоверение о повышении квалификации или сертификат о прохождении обучения

Вы — востребованный специалист

Преподаватели

Александр Богданов

Кандидат технических наук, доцент кафедры информационных технологий и бизнес-аналитики Института экономики и менеджмента ТГУ с двадцатилетним практическим и преподавательским опытом.

Подробнее

Татьяна Кабанова

Кандидат физико-математических наук, доцент кафедры теории вероятностей и математической статистики Института прикладной математики и компьютерных наук. 

Подробнее
Стоимость курса Начало занятий 23 сентября 2019
Сейчас 16 380 ₽