• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Программа "Основы машинного обучения и продвинутые методы машинного обучения"

Программа помогает получить базовые компетенции аналитика данных, среди которых адекватный выбор метода для решения конкретной задачи анализа данных, предобработка данных, настройка параметров метода анализа и интерпретация полученных результатов. Содержание программы охватывает основные устоявшиеся разделы современного машинного обучения (Machine Learning) и майнинга данных (Data Mining). 
Теоретический материал подкрепляется большим количеством практических занятий, домашних заданий и соревнованиями на Kaggle.

Основные темы модулей:

  • Обучение с учителем. Задачи классификации и регрессии
  • Оценка качества алгоритмов машинного обучения
  • Обучение без учителя и задача кластеризации
  • Поиск выбросов и аномалий в данных
  • Временные ряды
  • Ансамбли алгоритмов классификации и регрессии. Градиентный бустинг
  • Онлайн-обучение и Vowpal Wabbit
  • Смешивание моделей классификации и регрессии
  • Соревнования по анализу данных, обзор решений
  • Онлайн- оффлайн-метрики, A/B тестирование, интерливинг
  • Рекомендательные системы

Преподаватели модуля:

Валентина Бирюкова

Старший консультант, Data Scientist, BDO. Выпускница Экономического факультета МГУ, 2016. Топ-300 Kaggle ranking. Преподаватель Экономического факультета МГУ с 2018 года (Введение в машинное обучение).
 


 

Игорь Слинько
Data Scientist в Mail.ru Group. Разрабатывал и читал "Экспресс-курс Машинного обучения". Образование: Московский физико-технический институт, Школа анализа данных Яндекса.


 

Дмитрий Игнатов
Кандидат технических наук, преподаватель факультета компьютерных наук НИУ ВШЭ, доцент Департамента анализа данных и искусственного интеллекта, научный сотрудник Международной научно-учебной лаборатории интеллектуальных систем и структурного анализа. Проходил обучение по PhD программе в Техническом университете Дрездена (Германия) в рамках гранта DAAD.

Евгений Соколов
Заместитель руководителя Департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. Руководитель группы качества рекомендаций и анализа контента Яндекс.Дзена. Со-автор онлайн-специализации "Машинное обучения и анализ данных" на платформе Coursera.


 

Артем Рыжиков
Преподаватель факультета компьютерных наук, стажер-исследователь Лаборатории методов анализа больших данных, выпускник Школы анализа данных Яндекса.



 

Начальные требования

Знание базовой программы курса «Высшая математика» и основ программирования на Python. 

Расписание занятий


 

 

114

академических часов, в том числе 88 часов лекций и семинаров

88 000

рублей

По итогам программы выдается Удостоверение о повышении квалификации установленного НИУ ВШЭ образца
 

Подать заявку