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.

удостоверение о повышении квалификации государственного образца
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
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.
Примечание

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).