Азбука цифры.
Machine Learning: построение моделей
Машинное обучение — одно из новейших и наиболее перспективных направлений современного технологического развития. Данная программа предназначена для тех, кто хочет познакомиться с алгоритмами классического машинного обучения. Слушатель научится строить модели регрессии, выполнять классификацию и кластеризацию данных и отработает полученные знания на практике.
Срок обучения — 4 недели
Подготовка итогового проекта — 1 неделя
С НУЛЯ ДО ПРОФЕССИОНАЛА
академических часа
удостоверение о повышении квалификации
ноября
2023 года
ВЫ НАУЧИТЕСЬ
  • 1
    Строить модели машинного обучения для предсказания численной величины на основе набора признаков объекта
  • 2
    Определять категории объекта на основе его признаков
  • 3
    Разбивать объекты на группы на основании множества признаков для анализа схожести объектов внутри групп
ПРОГРАММА КУРСА
Модуль 1
Регрессионные модели в машинном обучении
Модуль 2
Классификация
Модуль 3
Кластеризация
Итоговая работа
Подготовка и защита аттестационного проекта
ГРАФИК ОБУЧЕНИЯ
Все материалы, открытые в ходе курса, доступны для изучения до конца 2023 года
  • Онлайн-занятия
    (лекции и практика)
    Не менее 3 раз в неделю по 2-4 академических часа. Записи всех онлайн-занятий сохраняются в системе для последующего просмотра.
  • Оффлайн-занятия
    (лекции и практика)
    В промежутках между онлайн-занятиями слушатель изучает лекционные материалы в записи и выполняет тесты и задания. Преподаватель курса проверяет задания и дает обратную связь.
  • Самостоятельная
    работа
    Отрабатывайте полученные навыки. Расширяйте свою экспертизу, изучая литературу из библиотеки курса, собранной специально для слушателей.
  • Итоговая
    аттестационная работа
    Итоговый проект основывается на заданиях, выполненных в ходе курса. Лишь после успешной защиты проекта обучение считается завершенным.
ЭКСПЕРТЫ КУРСА
Аналитик данных (анализ фондового рынка), ассистент кафедры Прикладной математики Института прикладной математики и компьютерных наук ТГУ). Эксперт на программах по анализу данных: «Статистический анализ данных», «Алгоритмы классического машинного обучения»
Анастасия Кеба
Преподаватель
Аналитик Томского государственного университета. Работает в анализе больших данных с 2020 г. Имеет опыт в Machine Learning. Эксперт на программах по анализу данных: «Основы Python», «Сбор данных», «Разведочный анализ данных»

Екатерина Савина
Преподаватель
КАК ПОДГОТОВИТЬСЯ
Для участия в лекциях и практических занятиях вам понадобятся:
Компьютер и стабильный интернет
Микрофон
Веб-камера