Машинное обучение — один из ключевых методов в работе дата-сайентиста, специалиста по большим данным.
Курс «Data Science. Уровень 2: классическое машинное обучение» разработан для тех, кто хочет углубить свои знания в этой области. В рамках курса вы научитесь создавать компьютерные модели на основе математической статистики, изучите линейную регрессию и другие методы машинного обучения.
Курс ориентирован на развитие специализированных навыков, необходимых для работы в области data science. Он подходит как для тех, кто уже изучает эту профессию, так и для всех, кто интересуется классическим машинным обучением.
Программа курса включает в себя лекции, практические занятия и домашние задания. Вы изучите основы программирования на Python, работу с библиотеками pandas, numpy и matplotlib, а также методы анализа данных и работы с базами данных.
Особое внимание уделяется основам теории вероятности и математической статистики. На практических занятиях вы сможете закрепить теоретические знания и подготовиться к построению различных математических моделей машинного обучения, таких как линейная регрессия, метод опорных векторов, метод ближайших соседей, решающие деревья, композиции алгоритмов, бустинг и кластеризация.
По окончании курса вы сможете применять полученные знания для построения и оптимизации математических моделей. Если вы захотите продолжить изучение технологий Data Science, вы можете выбрать следующие курсы:
Если же вы хотите получить комплексные знания и освоить новую профессию, рассмотрите программы профессиональной переподготовки:
Слушатели, успешно прошедшие итоговую аттестацию по курсу «Data Science. Уровень 2: классическое машинное обучение», получат удостоверение о повышении квалификации МГТУ им. Н.Э. Баумана.
для получения практических знаний и навыков построения математических моделей: от нейронных сетей до кластеризации, от факторного до корреляционного анализов
для получения базовых знаний в сфере обучения искусственного интеллекта
основам работы машинного обучения
использовать метод ближайших соседенй (kNN)
работать по основным метрикам в задачах бинарной классификации
подготавливать и нормализовать данные для последующей обработки
работать с атрибутами методом опорных векторов SVM
работать с методами регрессивного и кластерного анализов
разрабатывать рекомендательные системы
Преподавательский состав Центра дополнительного образования МГТУ им. Н.Э. Баумана состоит из профессионалов лучшего технического ВУЗа России с многолетним опытом работы в ведущих отраслевых компаниях. Многие из наших специалистов имеют ученые степени и звания.
Наши преподаватели искренне любят свое дело: структурированно и последовательно излагают материал,
доступно объясняют верные решения сложных профессиональных задач и разбирают только реальный опыт крупнейших российских и зарубежных компаний.
Так, после окончания обучения слушатели Центра дополнительного образования МГТУ им. Н.Э. Баумана могут сразу же применять свои знания и навыки на практике.
Решение задач на стыке финансов, статистики и IT
Выдвижение и проверка статистических гипотез
Разработка алгоритмов цифровой обработки показателей на основе методов машинного обучения
Поиск неэффективностей и аномалий в действующих решениях
Анализ работы текущих стратегий
