Data Science
Рейтинг школы
Слёрм Описание курса
Курс по машинному обучению и анализу данных, охватывающий от базовых библиотек (Pandas, NumPy) до глубокого обучения (PyTorch, CNN) и NLP. Включает практические задания, работу с рекомендательными системами и проектирование ML-систем.
Программа
Введение. Структура курса
Инструкции по работе с практическими заданиями, цикл разработки модели, настройка рабочего окружения, библиотеки NumPy и Pandas.
Введение. Качество данных
Типы данных, приемы анализа данных (сводные показатели, визуализация).
KNN
Постановка задачи ML, алгоритм k-ближайших соседей, взвешенный KNN, виды расстояний.
Валидация и подготовка данных
Валидация модели, обработка пропущенных значений, категориальных и численных признаков.
Линейная регрессия
Аналитическое решение, градиентный спуск, регуляризация, метрики качества.
Логистическая регрессия
Метрики качества классификации, многоклассовая классификация.
Деревья решений и ансамбли
Деревья решений, Bagging, Random Forest, бустинг.
Кластеризация и понижение размерности
Задача кластеризации, понижение размерности, быстрый поиск ближайших соседей.
Оптимизация и пайплайны
Кодирование целевой переменной, метамодели, оптимизация гиперпараметров, пайплайн ML.
Глубокое обучение
Нейронные сети, оптимизаторы, PyTorch, компьютерное зрение (CNN, Alexnet, VGG, ResNet, Inception), Transfer Learning.
NLP
Классические методы NLP, предобработка текстов, Word2Vec, FastText, языковые модели, машинный перевод, классификация текстов.
Рекомендательные системы
Коллаборативная фильтрация, матричная факторизация, линейные и нейросетевые модели.
Проектирование систем
Проект по ML, проектирование систем, оптимизация маркетинга, прогноз спроса.
Формат
Онлайн (видеокурс)
Спикеры
- Специалист с опытом в DS более 6 лет, работавший в Яндекс, Сбер, SberDevices, Едадил, VK Пульс. Преподаватель курсов по ML и Python в МГУ, ВШЭ, VK Образование, OzonMasters, AI Masters. Сейчас руководит командой Поиска в СберМаркете.
Чему вы научитесь
- Работа с Pandas и NumPy
- Анализ и визуализация данных
- Постановка задач ML
- Алгоритмы KNN
- Валидация моделей
- Обработка пропущенных значений и признаков
- Линейная и логистическая регрессия
- Деревья решений, Bagging, Random Forest, Бустинг
- Кластеризация и понижение размерности
- Оптимизация гиперпараметров
- Глубокое обучение (PyTorch, CNN)
- Компьютерное зрение
- NLP (Word2Vec, FastText, языковые модели)
- Рекомендательные системы
- Проектирование ML-систем
Кому подходит
- Начинающие специалисты по данным
- Инженеры по машинному обучению
- Студенты и специалисты, желающие углубить знания в ML и Data Science
Выводы о курсе
Возможны неточности
Курс «Наука о данных: введение в машинное обучение» предлагает комплексное обучение от базовых инструментов анализа данных до продвинутых тем глубокого обучения и NLP. Программа включает практические задания и работу с реальными кейсами, такими как рекомендательные системы и прогнозирование спроса. Преподаватель обладает значительным опытом в ведущих IT-компаниях и академических учреждениях. Курс подходит для тех, кто хочет системно освоить машинное обучение и получить практические навыки для работы в индустрии.
Отзывы о школе Слёрм
Читать все отзывы
Рекомендованные курсы
