Математика и Machine Learning для Data Science
Рейтинг школы
SkillFactory Вдруг есть дешевле?
Описание курса
Чтобы быть крутым специалистом в Machine Learning, недостаточно просто разобраться в принципах работы классических моделей. Нужно быть универсальным специалистом и понимать, как именно все работает, и тут понадобится математика.
Часть 1: Линейная алгебра
Изучаем вектора и виды матриц, проводим операции над матрицами, определяем линейную зависимость с помощью матриц.
Часть 2: Основы матанализа
Изучаем функции одной и многих переменных и производные, осваиваем понятие градиента и градиентного спуска.
Часть 3: Основы теории вероятности и статистики
Изучаем описательную и математическую статистику, комбинаторику и основные типы распределений.
Часть 4: Временные ряды и прочие математические методы
Знакомимся с анализом временных рядов и осваиваем более сложные типы регрессий.
Модуль 1: Введение в машинное обучение
Знакомимся с основными задачами и методами machine learning, изучаем практические кейсы.
Модуль 2: Методы предобработки данных
Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию.
Модуль 3: Регрессия
Осваиваем линейную и логистическую регрессию.
Модуль 4: Кластеризация
Осваиваем обучение без учителя.
Модуль 5: Tree-based алгоритмы: введение в деревья
Знакомимся с решающими деревьями и их свойствами.
Модуль 6: Tree-based алгоритмы: ансамбли
Изучаем особенности ансамблей деревьев и практикуемся в бустинге.
Модуль 7: Оценка качества алгоритмов
Изучаем принципы разбиения выборки и оцениваем модели по различным метрикам качества.
Модуль 8: Временные ряды в машинном обучении
Знакомимся с анализом временных рядов в ML.
Модуль 9: Рекомендательные системы
Изучаем методы построения рекомендательных систем.
Модуль 10: Финальный хакатон
Применяем все изученные методы для получения максимальной точности предсказаний модели на Kaggle.
онлайн
- Эмиль Магеррамов (COO Data Lab, компания EORA)
- Аяна Шелике (Преподаватель статистики и линейной алгебры МИЭФ ВШЭ, Выпускница мехмата МГУ)
- Антон Киселев (Head of R&D, компания EORA)
- Сергей Веренцов (CTO, компания EORA)
- Эмиль Богомолов (Инженер-исследователь в группе ADASE Сколтех)
- Линейная алгебра
- Математический анализ
- Статистика
- Машинное обучение
- Регрессия
- Кластеризация
- Tree-based алгоритмы
- Рекомендательные системы
- Начинающие специалисты в области Data Science
- Студенты и выпускники
- Профессионалы, желающие улучшить навыки в Machine Learning
Желание учиться и доступ к интернету.
Выводы о курсе
Возможны неточности
Курс «Математика и Machine Learning для Data Science» предоставляет уникальную возможность освоить важные математические основы, необходимые для успешной работы в области Machine Learning. Участники получат как теоретические знания, так и практические навыки, что обеспечит высокую конкурентоспособность на рынке труда. По окончании курса студенты получат сертификат и смогут применять полученные знания в реальных проектах.
Отзывы о школе SkillFactory
Читать все отзывы
Рекомендованные курсы
