Чему вы научитесь
- Понимать базовые концепции машинного обучения
- Применять линейную регрессию для предсказания
- Использовать логистическую регрессию для классификации
- Строить модели методом K-ближайших соседей
- Применять метод опорных векторов (SVM) для классификации
- Обрабатывать и заполнять пропущенные значения в данных
- Понимать и применять методы регуляризации
- Оптимизировать модели через минимизацию функции потерь
- Использовать случайный лес для предсказаний
- Обучать модели градиентного бустинга
- Применять методы уменьшения размерности данных
- Проводить тестирование моделей
- Понимать и использовать ансамблевые методы
- Оценивать модели по качеству работы
О курсе
Машинное обучение — это направление, которое позволяет создавать алгоритмы, способные учиться на данных и решать с их помощью разнообразные задачи. Это могут быть задачи классификации изображений, предсказание числовых значений, анализ текста, автоматизация принятия решений и многие другие. Эти технологии активно внедряются в различных сферах, начиная от финансового анализа и заканчивая медициной и разработкой автономных транспортных средств.
В этом курсе вы познакомитесь с основными концепциями машинного обучения, научитесь работать с различными алгоритмами, такими как линейная регрессия, логистическая регрессия, случайные леса и градиентный бустинг. Вы также узнаете, как обрабатывать и анализировать данные, оценивать качество моделей и улучшать их с помощью методов регуляризации и уменьшения размерности. Все эти темы будут рассмотрены не только в теории, но и на практике, с применением современных библиотек машинного обучения, применяемых в индустрии, чтобы Вы могли закрепить свои знания на реальных задачах.
Курс полностью текстовый, без видеоуроков. Всё изложено по делу, чтобы вы могли усваивать материал в удобном для Вас темпе.
Для кого этот курс
Для студентов, изучающих основы машинного обучения Для разработчиков, желающих освоить машинное обучение Для исследователей, работающих с большими данными Для бизнес-аналитиков, стремящихся улучшить свои навыки прогнозирования Для специалистов по маркетингу, желающих использовать модели предсказания Для всех, кто хочет научиться строить модели на основе данных
Начальные требования
Знание Python
Знание школьного математического анализа
Рекомендуется, но не обязательно знание библиотеки pandas
Изучение pandas: https://stepik.org/course/213523/
Наши преподаватели
Как проходит обучение
Онлайн формат: Вы получаете доступ к урокам в удобное для вас время, что позволяет учиться в собственном темпе.
Тесты: Для самопроверки предусмотрены тесты, которые позволят оценить ваше понимание теоретического материала.
Автоматические проверки: Выполняя задания, вы сразу увидите результат работы и сможете проверить свои ответы.
Программа курса
Сертификат
Что вы получаете
- Диплом
- Практические навыки построения, оптимизации и оценки моделей машинного обучения.
- Умение использовать библиотеки Scikit-learn, XGBoost, LightGBM, CatBoost.
- Знания, необходимые для работы с реальными данными и их подготовки.