• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Программа повышения квалификации

Основы машинного обучения и продвинутые методы машинного обучения

Стоимость
88 000

Программа помогает получить базовые компетенции аналитика данных, среди которых адекватный выбор метода для решения конкретной задачи анализа данных, предобработка данных, настройка параметров метода анализа и интерпретация полученных результатов. Содержание программы охватывает основные устоявшиеся разделы современного машинного обучения (Machine Learning) и майнинга данных (Data Mining). 
Теоретический материал подкрепляется большим количеством практических занятий, домашних заданий и соревнованиями на Kaggle.

Поступление

Целевая группа

Лица, уже имеющие высшее или среднее профессиональное образование или получающие высшее образование.

Документы для приема

Оригинал и копия паспорта или документа, заменяющего его

Оригинал и копия документа об образовании и квалификации или справка об обучении для лиц, получающих высшее образование

Оригинал и копия документа об изменении фамилии, имени, отчества (при необходимости)

Содержание программы

  • Обучение с учителем. Задачи классификации и регрессии
  • Оценка качества алгоритмов машинного обучения
  • Обучение без учителя и задача кластеризации
  • Поиск выбросов и аномалий в данных
  • Временные ряды
  • Ансамбли алгоритмов классификации и регрессии. Градиентный бустинг
  • Онлайн-обучение и Vowpal Wabbit
  • Смешивание моделей классификации и регрессии
  • Соревнования по анализу данных, обзор решений
  • Онлайн- оффлайн-метрики, A/B тестирование, интерливинг
  • Рекомендательные системы

Преподаватели

Валентина Бирюкова

Старший консультант, Data Scientist, BDO. Выпускница Экономического факультета МГУ, 2016. Топ-300 Kaggle ranking. Преподаватель Экономического факультета МГУ с 2018 года (Введение в машинное обучение).

Евгений Соколов

Заместитель руководителя Департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. Руководитель группы качества рекомендаций и анализа контента Яндекс.Дзена. Со-автор онлайн-специализации "Машинное обучения и анализ данных" на платформе Coursera.

Артем Рыжиков

Преподаватель факультета компьютерных наук, стажер-исследователь Лаборатории методов анализа больших данных, выпускник Школы анализа данных Яндекса.

Вячеслав Мурашкин

Выпускник МГТУ имени Баумана, Высшей школы экономики и Школы анализа данных Яндекса. Более шести лет занимается проектами в области анализа больших массивов данных, рекомендательных систем и машинного обучения. Имеет успешный опыт работы как в крупных IT компаниях, так и в небольших стартапах. В настоящее время работает разработчиком-исследователем в направлении беспилотных автомобилей в Яндексе.

Подать заявку

Вас могут заинтересовать

  • 24 академических часов
  • Очно-заочная форма
  • 76 академических часов, в том числе 56 аудиторных
  • Очно-заочная форма
  • 48 академических часов (12 занятий)
  • Очная форма
  • 608 академических часов, в том числе 414 часов лекций и семинаров.