Специализация «Машинное обучение»

Формат Очный
содержание 19 тем
Длительность 84 часа
По завершении Удостоверение
Стоимость курса
Все курсы
по отдельности
16 380 ₽
Сейчас 15 233 ₽

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 специализации

Получите удостоверение о повышении квалификации или сертификат о прохождении обучения

Вы — востребованный специалист

Преподаватели

Сергей Зюбин

Сергей имеет многолетний опыт валидации математических моделей ведущих зарубежных банков на соответствие регуляторным требованиям PRA, FINMA, FED

Подробнее

Александр Богданов

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

Подробнее

Алексей Кульневич

Data Scientist с богатым практическим опытом в интеллектуальном анализе данных, машинном обучении и задачах оптимизации.

Подробнее

Роман Чугунов

Ведущий специалист по анализу данных и машинному обучению. Победитель хакатонов по машинному обучению регионального и всероссийского масштаба.

Подробнее

Татьяна Кабанова

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

Подробнее
Стоимость курса
Сейчас 15 233 ₽