Программа для тех, кто уже имеет опыт работы с языком Python и обладает базовыми знаниями высшей математики. Программа поможет освоить классические алгоритмы машинного обучения.
Каждое занятие включает две части:
Теоретическую – преподаватель объясняет, как работают методы машинного обучения, и какая математика за ними стоит.
Практическую – вы работаете с данными и решаете реальные задачи с помощью Python.
Курс охватывает ключевые методы машинного обучения, включая линейную и логистическую регрессию, регуляризацию, кросс-валидацию и кодирование категориальных признаков. Вы изучите линейные и нелинейные алгоритмы классификации (Naive Bayes, KNN, Kernel SVM), деревья решений и ансамблевые подходы — случайный лес, бэггинг, градиентный бустинг (XGBoost, CatBoost, LightGBM). Также рассматриваются методы кластеризации, понижения размерности (PCA), визуализации данных, анализ временных рядов, детектирование аномалий и построение рекомендательных систем. Особое внимание уделяется метрикам качества моделей и статистическому анализу ошибок (bias, variance).
Продолжительность общая в часах: 102 часов
Условия приема: диплом о высшем образовании/СПО
Формат обучения: смешанный
Язык обучения: русский язык
Выдаваемый документ: удостоверение/сертификат о повышении квалификации
Результаты обучения:
- Узнаете, как работают классические алгоритмы машинного обучения и научитесь применять их на практике
- Изучите основные виды моделей
- Научитесь обрабатывать данные и проводить их первичный анализ
.png)