Основы машинного обучения
На курсе дается представление об основных группах методов машинного обучения: классификации, предсказании, кластеризации, ансамблях, рекомендационных системах, глубоком обучении.
24 ак.ч.
Онлайн
EAS-020
Основы машинного обучения
Записаться на курс
Длительность
24 ак.ч.
Локация
Онлайн
Код
EAS-020
Расписание и цены
40 000 руб.
Планируете обучить команду из 7-8 или более человек?
Закажите корпоративное обучение с учетом ваших потребностей
Основы машинного обучения
Записаться на курс
Длительность
24 ак.ч.
Локация
Онлайн
Код
EAS-020
Расписание и цены
40 000 руб.
Планируете обучить команду из 7-8 или более человек?
Закажите корпоративное обучение с учетом ваших потребностей

Описание

На курсе дается представление об основных группах методов машинного обучения:
  • классификации,
  • предсказании,
  • кластеризации,
  • ансамблях,
  • рекомендационных системах,
  • глубоком обучении.

Практическая часть построена на использовании готовых реализаций в Spark ML или Scikit-learn для решения конкретных задач. 
После прохождения курса выдается
сертификат на бланке IBS Training Center

Цели

  • понимать ключевые концепции машинного обучения и его отличия от других методов;
  • распознавать виды задач, решаемых методами машинного обучения, и выбирать подходящие методы;
  • уметь оценивать построенные модели;
  • уметь готовить входные данные и интерпретировать результаты, выдаваемые моделями;
  • использовать готовые реализации методов машинного обучения.

Целевая аудитория

Разработчики, архитекторы, бизнес-аналитики, руководители разработки.

Предварительная подготовка

  • Базовые навыки программирования на Scala, Java или Python.
  • Умение работать в командной оболочке Unix/Linux (bash).
  • Базовые знания математической статистики и теории вероятностей.

Разбираемые темы

  • 1. Задачи машинного обучения

  • 2. Признаки и работа с ними

  • 3. Оценка моделей

  • 4. Методы классификации

    • Байесовские методы.
    • Деревья решений.
    • Логистическая регрессия.
    • Метод опорных векторов.
    • Нейронные сети.
  • 5. Методы прогнозирования

    • Линейная регрессия.
    • CART.
    • Байесовские методы.
  • 6. Методы кластеризации

    • Иерархические.
    • Спектральные.
    • Разделение смесей.
    • LDA.
  • 7. Ансамбли

    • Бэггинг.
    • Случайные леса.
    • Бустинг.
    • Стэкинг.
  • 8. Рекомендационные системы

  • 9. Глубокое обучение

    • Ограниченные машины Больцмана.
    • Конволюционные сети.
    • LSTM.
  • Развернуть программу

Примечание

Материалы курса представлены на английском языке.
Раcписание курсов
Вид:
Регистрируйтесь на следующий курс
Предварительная регистрация гарантирует участие в обучении. Мы обязательно оповестим вас, когда курс будет запланирован
+
Отзывы (2)
Фундаментальный курс по машинному обучению. Лично для меня весь материал был новым, интересным и полезным. Больше всего понравилось, что я попрактиковался в подготовке данных и кодировании, которые мы разбирали вместе с тренером. Также он показал нам некоторые практические примеры и проблемы, с которыми мы могли столкнуться, а также обсудил и применил решения этих проблем.
Участник тренинга
Как обзор прикладных практик в области анализа данных, этот тренинг заходит неплохо. Много примеров и заданий, которые мы выполняли под руководством тренера. Отдельно стоит выделить машины Больцмана, с которыми я столкнулся первый раз. Для 24 академических часов этот курс объёмный, возможно, на него стоит выделить больше времени 😊
Участник тренинга
Ваши преимущества
Экспертность
Тренеры-эксперты из реальных проектов крупнейших компаний, лидеров в своей отрасли
Живое обучение
“Живая” коммуникация с тренером даже в онлайн-формате
Практика
Максимально наполненные практикой занятия, работа в группах, выполнение домашних заданий
Пользователь только что записался на курс ""
Спасибо!
Форма отправлена успешно.