EAS-025
Машинное обучение на практике
Вводный практический курс по машинному обучению. Рассматривается полный цикл построения решения: от выделения исходных данных («.xlsx файл») через построение модели и до объяснения конечному заказчику особенностей данных и специфики полученного результата. Теоретические разделы - классификация, регрессия, предсказания, ансамбли – даются в обзорном режиме, в объёме, необходимом для корректного построения и понимания разбираемых примеров.
Удостоверение о прохождении
Смотреть пример
24 академ. часов
Онлайн
О чём курс
Курс построен вокруг нескольких практических кейсов, содержащих таблицы с исходными данными.
По каждому кейсу проходим полный жизненный цикл проекта машинного обучения:исследование, очистка и подготовка данных,
выбор метода обучения, соответствующего задаче (линейная регрессия для регрессии, случайный лес для классификации, К-средние и DBSCAN для кластеризации),
обучение с использованием выбранного метода,
оценка результата,
оптимизация модели,
представление результата заказчику.
На дискуссионной части курса обсуждаем стоящие перед слушателями практические задачи, которые можно решить рассмотренными методами.
По каждому кейсу проходим полный жизненный цикл проекта машинного обучения:
На дискуссионной части курса обсуждаем стоящие перед слушателями практические задачи, которые можно решить рассмотренными методами.
Цели
Целевая аудитория
Основная:
Аналитики
Менеджеры проектов, связанных с данными
Технические лидеры / ведущие разработчики в любых проектах, связанных с данными
Бизнес-аналитики
Дополнительная:
Разработчики
Инженеры данных (Data Engineer)
Архитекторы, системные проектировщики
Предварительная подготовка
Умение читать простой код на Python и писать на любом скриптовом языке.
Для кого
Разработчик
Бизнес-аналитик
Руководитель проекта
Data Engineer
Архитектор ПО
Расписание курсов
Программа курса
01
Обзор задачи
02
Подготовка, очистка, исследование данных
03
Классификаторы и Регрессоры
04
Кластеризация
05
Оценка моделей
06
Оптимизация
07
Графики, отчеты, работа с живыми задачами
08
Всего: теория – 13 ч. (54%), практика – 11 ч. (46%)
Курс проводят
Исламгулов Тимур
Python-разработчик, профессиональный преподаватель разработки на Python.
Записаться на курс
39 000 ₽
35 100 ₽ — для физ. лиц
Юр. лицо — 39 000 ₽
Физ. лицо — 35 100 ₽
17.06.2025, Онлайн
17.06.2025, Онлайн
Открытая дата
Связанные курсы
EAS-020
24 часа
Основы машинного обучения
Этот тренинг дает представление об основных группах методов машинного обучения: классификация, регрессия, кластеризация, ансамбли, нейронные сети. Участники узнают, как решать распространенные задачи анализа текстов, прогнозирования цены, выдачи рекомендаций и другие. В практических заданиях много времени уделяется работе с признаками, перебору параметров моделей и построению ансамблей.
от Middle
32 000 ₽
EAS-027
30 часов
Машинное обучение с подкреплением: обычное и глубокое
В этом курсе дается общий обзор метода обучения с подкреплением (Reinforcement Learning, RL). Мы начнем с необходимой математики, рассмотрим базовые алгоритмы RL и поговорим о глубоком обучении с подкреплением (Deep RL), а также о новейших методах машинного обучения, используемых в настоящее время. Мы подробно рассмотрим некоторые применения и расскажем о важнейших достижениях в этой области.
от Senior
54 500 ₽
Наши ученики работают в:
Наши клиенты
