Учим начинающих специалистов по работе с данными ориентироваться в машинном обучении (ML) для решения рабочих задач
старт в любой момент
Наука о данных
введение в машинное обучение (Data Science)
Купить
Программа
Проект
Для портфолио
25 минут
Среднее время лекций
132 часа
Нетривиальной практики с реальными наборами данных
Без углубления
В математику
На курсе мы разбираем
Основные алгоритмы и задачи классического машинного обучения
Базовые подходы для построения нейронных сетей, програмной среды PyTorch для их написания
Основные библиотеки для анализа данных: NumPy, Pandas, SciPy, Matplotlib, Scikit-learn
Применение машинного обучения в бизнес-задачах
На курсе вас ждёт финальный проект на выбор
Модель, прогнозирующая потребление электроэнергии
Модель системы оценки кредитоспособности, предсказывающая, вернёт ли клиент банка кредит
Свой проект, если спикеры подтвердят, что его можно реализовать в рамках курса
Почему наш курс?
Разбираемся в математике, но не закапываемся в ней. Освоим уровень, нужный для понимания принципов решения ML-задач
Нетривиальная практика, основанная на бизнес-кейсах. Никаких надоевших задач про Титаник, только новые наборы данных
Вопросы с собеседований. Даём такой материал, что после курса студент сможет претендовать на должность начинающего специалиста по работе с данными
Нарастающая сложность. Делаем всё, чтобы процесс обучения был посильным для каждого
Короткие лекции с текстовыми расшифровками. Чтобы можно было с пользой проводить время за завтраком или в транспорте
Кому будет полезен курс?
Тем, кто хочет применять науку о данныхв текущих рабочих задачах
Тем, кто хочет получить профессию специалиста по работе с данными
Тем, кто работает в команде машинного обучения, но не понимает на каком языке общаются коллеги
Что нужно, чтобы начать учиться?
Владение языком программирования Python или другим высокоуровневым языком: настройка рабочего окружения, базовый синтаксис, циклы, условия, основные структуры данных
После курса вы сможете
Оценивать качество моделей с использованием метрик для задач регрессии и классификации, а также выбирать подходящие методы оценки для конкретных задач
Преобразовывать бизнес-задачи в задачи машинного обучения и выбирать алгоритмы для их решения
Работать с пропущенными данными и данными различных типов, применяя соответствующие методы обработки
Обучать и оптимизировать модели машинного обучения с использованием библотек: Scikit-learn, XGBoost, LightGBM и CatBoost
Строить графики и визуальные представления данных для принятия решений
Применять алгоритмы: метод k ближайших соседей (kNN), линейная регрессия, логистическая регрессия, кластеризация, Дерево решений, Градиентное усиление (бустинг)
Анализировать и визуализировать большие объёмы данных с помощью cреды JupyterLab, библотек: NumPy, SciPy, Pandas, и Matplotlib
Решаем бизнес-кейсы по построению моделей предсказания:
Стоимости продажи дома
Времени доставки еды
Спроса на товары в онлайн-коммерции
Какие инструменты освоите?
Библиотеки
Алгоритмы
Pandas
Numpy
Matplotlib
Scikit-learn
Xgboost
Lightgbm
Catboost
Hyperopt
KNN
Linear Regression
Logistic Regression
Clusterization
Decision Tree
Gradient Boosting
Спикеры курса
Иван Аникин
Руководитель в Yandex. Edadeal
  • Суммарный опыт в области DS более 6 лет
  • Отвечал за разработку и запуск ML-проектов в компаниях Яндекс, Сбер, SberDevices, Едадил, система ВК Пульс
Владимир Бугаевский
Руководитель в Купер
  • Опыт в индустрии: 6+ лет
Подробнее о спикере
Подробнее о спикере
  • Консультировал стартапы и крупные компании по разработке и использованию сервисов, основанных на машинном обучении
  • До этого разрабатывал рекомендательную систему VK Пульс
  • Сейчас руководит командой Поиска в Купер
  • Преподаватель курсов по ML и Python в МГУ, ВШЭ, VK Образование, OzonMasters, AI Masters
Реализовал IaC для AWX в enterprise
Иван Аникин
Руководитель в Yandex.Edadeal
  • Суммарный опыт в области DS более 6 лет
  • Отвечал за разработку и запуск ML-проектов в компаниях Яндекс, Сбер, SberDevices, Едадил, система ВК Пульс
  • Консультировал стартапы и крупные компании по разработке и использованию сервисов, основанных на машинном обучении
Владимир Бугаевский
Руководитель в Купер
  • Опыт в индустрии: 6+ лет
  • До этого разрабатывал рекомендательную систему VK Пульс
  • Сейчас руководит командой Поиска в СберМаркете
  • Преподаватель курсов по ML и Python в МГУ, ВШЭ, VK Образование, OzonMasters, AI Masters
Программа
  1. Введение. Структура курса
  2. Инструкции по работе с практическими заданиями
  3. Цикл разработки модели и специалисты в сфере анализа данных
  4. Настройка рабочего окружения
  5. Библиотека NumPy
  6. Библиотека Pandas
  7. Итоги
Дополнительные модули
  1. Введение
  2. Глубокое обучение. Нейронная сеть
  3. Обучение нейронных сетей. Оптимизаторы
  4. Нейронные сети в среде PyTorch
  5. Компьютерное зрение (Computer vision). Представление изображений
  6. Сверточная нейронная сеть (CNN)
  7. База данных Imagenet. Нейронные сети Alexnet и VGG
  8. ResNet, Inception
  9. PyTorch + Transfer Learning
  10. Итоги
Сертификат
Именной сертификат с индивидуальным номером получает студент, если:
  • прошёл 80% курса
  • принимал участие в решении практик, которые входят в курс
  • успешно сдал итоговый проект.
В случае, если студент изучил 80% курса, но не выполнил или не сдал финальное задание, вместо сертификата выдаётся свидетельство.
Как купить курс
старт в любой момент
Видеокурс
Видеоуроки, доступ 2 года
Практические задания
Свидетельство
в рассрочку на 4 месяца или 35 000 ₽ единовременно
8 750 ₽/мес
Купить видеокурс
Написать нам
Написать нам
В 75% случаев обучение готова оплатить компания. Напишите нам, и мы поможем.
Курс за счёт работодателя
Узнать про вычет
Узнать про вычет
Предоставим все необходимые документы для получения вычета.
Налоговый вычет 13%
Командное предложение
от 10 человек
специальные условия
от 5 человек
-10%
от 3 человек
-7%
Оставить заявку
Перейти
Перейти
Выгодно и быстро обучим целые команды. Единоразовое оформление и быстрый доступ к курсам.
Универсальные доступы
Перейти
Перейти
Подарите своему сотруднику скидку или курс целиком. А мы упакуем ;)
Подарочный сертификат
Для большой команды
Видеоуроки
Практические задания
Сертификат
Проверка домашних заданий
Поддержка от менторов и кураторов
Чат-группы в телеграм со спикерами
Онлайн-встречи со спикерами
Договорная
Оставить заявку
Видеокурс
Видеоуроки
Практические задания
Свидетельство
55 000 ₽
Оставить заявку
Подарочный сертификат
Подарите своему сотруднику скидку или курс целиком. А мы упакуем ;)
Перейти
Перейти
Универсальные доступы
Выгодно и быстро обучим целые команды. Единоразовое оформление и быстрый доступ к курсам.
Перейти
Перейти
Как получить обратную связь?
Студентам видеокурсов доступна проверка от эксперта за дополнительную плату.
Для получения номерного сертификата достаточно успешно зачтённого финального проекта.
Стоимость:
  • проверка практического задания 3 000₽
  • проверка финального проекта 10 000₽
  • проверка финального проекта 10 000₽
Стоимость:
  • проверка практического задания 3 000₽
Рассрочка
только для физических лиц
Условия рассрочки:
Процесс оформления:
Прошедшие вебинары

Больше чем Pandas: библиотеки подготовки данных для ML-моделей
На вебинаре обсудим:
Смотреть запись
  • На что стоит обратить внимание для эффективной работы с данными
  • Форматы работы с данными и их особенности
  • Библиотеки pandas и polars, платформа swifter, инструменты dask и cudf
Вебинар прошел 24.09.24
Владимир Бугаевский
Руководитель в Купер
Кто такой специалист по работе с даннымии чем он занимается?
Data Scientist — это специалист в области ML, который умеет создавать модели машинного обучения. Публикуем записи с вебинара Слёрм, где даём подробное разъяснение по направлению
  • Кто такой специалист по работе с данными?
  • Кто такой инженер по машинному обучению?
Нужна консультация?
задайте нам свой вопрос