• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

В последние годы Data Science стало привлекать к себе всё больше внимания. Ведь с помощью методов машинного обучения и анализа данных могут быть решены различные задачи бизнеса: прогнозирование спроса, увеличение продаж с помощью рекомендаций товаров, удержание клиентов, прогнозирование динамики цен и оптимизации производства. Наша программа посвящена основам машинного обучения и искусственного интеллекта и задачам, которые данная технология позволяет решать.

На лекциях и семинарах мы расскажем о том, как оценить задачу, выбрать правильную метрику, нужно ли нанимать аналитиков в штат или дешевле купить коробочное решение под данную задачу. Как найти связь с экономическим эффектом, эффективно проводить офлайн и онлайн тестирование моделей. Кроме того, будут затронуты темы планирования реализации и внедрения моделей, расставления приоритетов при выборе задач, управления жизненным циклом моделей. Также во время семинаров будут рассмотрены кейсы практического применения анализа данных в различных областях.

Навыки программирования для освоения программы не требуются. Необходимы базовые навыки использования компьютера и облачных сервисов.

Поступление

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

 

1. Знакомство. Прогнозирование оттока клиентов.

2. Основы Python. Работа с табличными данными-1.

3. HR стратегия на основе данных.

4. Рекомендация товаров в интернет-магазине.

5. Работа с табличными данными-2.

6. Продукт с ML решением.

7. Промышленность и другие необычные сектора применения ML.

8. Визуализация данных и создание презентаций в Jupyter-Notebook. Понятия машинного обучения.

9. Метрики качества задач машинного обучения.

10. Статистика и AB-тестирование.

Что будет на занятиях

Каждая лекция — это разбор проекта от момента постановки задачи и взаимодействия с заказчиком до тестирования и внедрения.

Что в результате? Мы разберём такие темы, как:

  • процесс ведения проектов в DS;
  • оценка необходимости и эффективности внедрения DS решений;
  • организация работы команды;
  • тестирование моделей и внедрение;
  • что происходит после внедрения и как оценивать эффект.

 

Также на практических занятиях слушатели закрепят знания основ машинного обучения и выбора подходящих метрик для своих задач.

 

На практических занятиях слушатели будут работать в Jupyter Notebook и освоят Python, чтобы:

манипулировать табличными данными; считать аналитику; визуализировать данные; собирать аналитику и визуализацию в презентации в JN.

Преподаватели

Data Science Team Lead в Х5 Retail Group.

Преподаватель факультета компьютерных наук, эксперт Центра непрерывного образования, аспирант департамента больших данных и информационного поиска НИУ ВШЭ. Ведёт лекции и тренинги для менеджеров по DS, AI, ML. Работала в Альфа-Банке и ФРИИ.
Чувилина Анна

Аналитик, автор и менеджер программы по аналитике в Яндекс.Практикуме. Преподаватель факультета компьютерных наук НИУ ВШЭ. Работала в Яндекс.Авто и в Yandex Data Factory.
Подать заявку

Вас могут заинтересовать

  • Очная форма
  • 18 з.е., 684 академических часов, в том числе 440 часов лекций и семинаров
  • Очная форма
  • 15 з.е., 570 академических часов, в том числе 340 часов лекций и семинаров
  • Очная форма
  • 2 зач.ед., 76 академических часов, в том числе 72 аудиторных часа
  • Очно-заочная форма
  • 2 зач. ед., 76 академических часов, в том числе 40 часов лекций и семинаров.