Чему вы научитесь
- Понимать архитектуру и компоненты платформы Polymatica ML.
- Регистрировать наборы данных из различных источников (БД, SQL, Excel).
- Проводить исследование данных: анализировать структуру, пропуски, выбросы, корреляции и распределения.
- Собирать пайплайны машинного обучения в визуальном конструкторе.
- Обрабатывать пропуски и кодировать категориальные признаки.
- Разделять выборку на обучающую, валидационную и тестовую части.
- Обучать модели классификации, регрессии и кластеризации.
- Оценивать качество моделей по метрикам (accuracy, precision, recall, F1, ROC-AUC, MAE, RMSE, R²).
- Сравнивать несколько моделей и выбирать модель-чемпиона.
- Регистрировать модель в репозитории и управлять её версиями.
- Публиковать модель в сервисном или пакетном режиме.
- Сопровождать модель и выполнять переобучение при необходимости.
О курсе
Курс знакомит с полным жизненным циклом машинного обучения в аналитической платформе Polymatica ML. Вы пройдете путь от подключения данных до публикации модели, работая в low-code/no-code среде. Материал построен по логике реального пользовательского сценария: исследование данных, построение пайплайна, обучение и сравнение моделей, регистрация, публикация и сопровождение.
Сертификация: сертификат от вендора предоставляется в ручном режиме. Запрос отправляется на polystepik@polymatica.ru с темой "Запрос сертификата", с указанием ФИО и адреса электронной почты/логина.
Для кого этот курс
Начальные требования
-
Базовое понимание основ машинного обучения (виды задач: классификация, регрессия, кластеризация).
-
Общее представление о структуре данных (таблицы, признаки, целевая переменная).
-
Навыки работы с компьютером на уровне уверенного пользователя.
-
Желание освоить практический инструмент для работы с ML-моделями.
Наши преподаватели
Как проходит обучение
-
Формат: онлайн-курс с теоретическими уроками и практическими заданиями.
-
Структура: 10 модулей, построенных по логике полного пользовательского сценария.
-
Материалы: текстовые пояснения, демонстрации интерфейса, пошаговые инструкции.
-
Тестирование: тестовый блок для закрепления каждого модуля.
-
Навигация: модули рекомендуется проходить последовательно, так как каждый опирается на предыдущий.
Программа курса
Что вы получаете
- Навыки и знания, востребованные работодателями в области Data Science и ML-инженерии.
- Умение проходить полный жизненный цикл ML-модели без написания кода.
- Шаблоны и чек-листы для самостоятельного построения моделей.
- Понимание архитектуры и логики работы корпоративного ML-решения.
- Базу для дальнейшего изучения продвинутых сценариев: мониторинг, модельный риск, API-интеграции.