Описание
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
Как записаться на курс
- 1
Нажмите на кнопку Записаться на курс
- 2
Ознакомьтесь подробнее с материалом курса и программой обучения на странице школы или университета
- 3
Оставьте свои данные в форме заявки и после подтверждения оплатите учебный курс (полностью или в рассрочку)
- 4
Получите доступ к учебным материалам
Отзывов пока нет.