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
22.11.2022 - 25.11.2022
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
22.11.2022 - 25.11.2022
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. 

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:
22.11.2022 - 25.11.2022
10:00-16:00
Локация:Онлайн
Длительность:24 ак.ч.
Время:10:00-16:00
40 000 руб.
Записаться
Смотреть полное расписание
Тренеры
Брейман Александр
Эксперт в области разработки и архитектуры ПО
Александр – кандидат технических наук, доцент. С 1991 г. занимается разработкой информационных и коммуникационных систем, за это время прошел путь от программиста до начальника отдела информационных систем.

С 1994 г. преподает дисциплины, связанные с управлением данными, проектированием информационных систем и разработкой программного обеспечения.

С 2014 г. Александр является штатным экспертом Luxoft Training по направлению «Разработка и архитектура ПО, СУБД Oracle», где занимается проведением тренингов, разработкой тренинговых программ и развитием данного направления.

О проектах:

Александр занимается разработкой учебных программ, чтением лекций, проведением семинаров, практических и лабораторных работ. Под его руководством уже не один десяток специалистов успешно защитили выпускные квалификационные работы бакалавра и магистерские диссертации.

Среди его кейсов работа в ЗАО «ТИТАН МЕТА», Московском государственном университете приборостроения и информатики, Национальном исследовательском университете «Высшая школа экономики» и Luxoft Training.

Курсы, сертификаты, членство в профессиональных организациях:

2009 г. — повышение квалификации в Московском государственном университете приборостроения и информатики по программе «Информационная компетентность в профессиональной деятельности преподавателя вуза».

2011 г. — повышение квалификации в Информационно-Вычислительном Центре Московского энергетического института (технического университета) по программе «Современные технологии построения баз данных на примере Microsoft SQL Server 2008. Web-приложения и современные средства разработки. Современные технологии построения компьютерных сетей с использованием Microsoft Windows Server 2008 R2».

Александр является членом организаций:

  • IEEE, IEEE Computer Society (Institute of Electrical and Electronics Engineers / Институт инженеров электротехники и электроники).

  • ACM, ACM SIGMOD (Association for Computing Machinery / Ассоциация вычислительной техники).


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
Связанные курсы
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.
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.
Онлайн:
29.11.2022 - 06.12.2022
Смотреть каталог
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.