Machine Learning. Базовый курс

Онлайн-курс по Machine Learning. Базовый курс от онлайн-школы OTUS. После прохождения курса, у лучших студентов, появится возможность устроиться на работу в компанию-партнер онлайн-школы Отус. Программа обучения на курсах включается в себя углубленное изучение материалов уровня middle и senior.

Программа курса

Основные методы машинного обучения

• Введение в машинное обучение
• Базовые инструменты анализа данных в Python
• Exploratory Data Analysis and Preprocessing
• Задача классификации. Метод ближайших соседей (kNN)
• Задача регрессии. Линейная регрессия
• Логистическая регрессия
• АБ тестирование
• Feature engineering & advanced preprocessing
• Практическое занятие по темам, изученным в первом модуле

Продвинутые методы машинного обучения

• Python для ML: пайплайны, ускорение pandas, мультипроцессинг
• Метод опорных векторов
• Деревья решений
• Ансамбли моделей
• Градиентный бустинг
• Обучение без учителя. K-means, EM алгоритм
• Обучение без учителя. Иерархическая кластеризация. DB-Scan
• Методы уменьшения размерности
• Поиск аномалий в данных
• Алгоритмы на графах

Сбор данных. Анализ текстовых данных.

• Сбор данных
• Анализ текстовых данных. Часть 1: Предобработка и токенизация
• Анализ текстовых данных. Часть 2: Тематическое моделирование
• Анализ текстовых данных. Часть 3: Named Entity Recognition
• Анализ текстовых данных. Часть 4: Векторные представления слов, работа с предобученными эмбеддингами

Анализ Временных рядов

• Анализ временных рядов. Часть 1: Постановка задачи, простейшие методы. ARIMA-модель
• Анализ временных рядов. Часть 2: Извлечение признаков и применение моделей машинного обучения. Автоматическое прогнозирование
• Анализ временных рядов Часть 3: Кластеризация временных рядов (ищем связанные котировки акций)

Рекомендательные системы

• Рекомендательные системы. Часть 1: Постановка задачи, метрики качества. Коллаборативная фильтрация. Холодный старт
• Рекомендательные системы. Часть 2: Контентная фильтрация, гибридные подходы. Ассоциативные правила
• Рекомендательные системы. Часть 3: Implicit feedback (извлекаем предпочтения из поведения пользователя)
• Практическое занятие по рекомендательным системам. Surpsise

Подготовка к соревнованиям Kaggle

• Тренировка по ML №1
• Тренировка по ML №2

Проектная работа

• Консультация по проектам и домашним заданиям
• Бонус: поиск Data Science работы
• Защита проектных работ