• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Программа "Машинное обучение и майнинг данных"

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.  В ходе обучения слушатели также знакомятся с программными продуктами Weka, Orange и библиотекой scikit-learn. 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.

Итоговая аттестация будет проводиться в форме защиты проекта по анализу реальных данных.

Преподаватели

Евгений Соколов
Заместитель руководителя Департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. Руководитель группы анализа неструктурированных данных Yandex Data Factory. Разработал и читает ряд курсов по машинному обучению по программе "Прикладная математика и информатика". Со-автор онлайн-специализации "Машинное обучения и анализ данных" на платформе Coursera.


Евгений Соколов

Игорь Слинько

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


Игорь Слинько

Вячеслав Мурашкин

Выпускник МГТУ имени Баумана, Высшей школы экономики и Школы анализа данных Яндекса. Более шести лет занимается проектами в области анализа больших массивов данных, рекомендательных систем и машинного обучения. Имеет успешный опыт работы как в крупных IT компаниях, так и в небольших стартапах. В настоящее время работает в Yandex Data Factory.

 


Вячеслав Мурашкин

Андрей Шестаков
Преподаватель и аспирант факультета компьютерных наук. Работает в Mail.Ru Group в группе машинного обучения


Андрей Шестаков

Основные темы программы

  • Введение в машинное обучение и разработку данных
  • Свободно-распространяемые системы машинного обучения и разработки данных
  • Методы классификации
  • Методы регрессии
  • Методы кластеризации
  • Отбор признаков и снижение размерности
  • Работа с выбросами и пропущенными значениями
  • Работа с текстовыми и категориальными данными
  • Обучение линейных моделей на больших данных, vowpal wabbit
  • Apache Spark
  • Статистический взгляд на машинное обучение
  • Машинное обучение и майнинг  больших данных (Big Data) 

Начальные требования

Знание базовой программы курса «Высшая математика» и основ программирования (желательно Python). Для тех, кто еще не знаком с основами программирования, но хочет узнать об инструментах машинного обучения и майнинга данных, мы разработали программу "Введение в машинное обучение и майнинг данных".


Расписание занятий

Занятия по средам и пятницам с 11 октября по 8 ноября с 19:00-22:00
 

 

36

академических часов

36 000

рублей

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

Мне как человеку с экономическим, а не математическим/техническим образованием было страшновато идти на этот курс. Однако базовых знаний Python и статистики, хватило, чтобы учиться со всеми наравне и освоить весь материал. Очень много практики, реальные данные и задачи! После курса смогла сделать первый реальных проект на живых данных. Курс закладывает очень хорошие основы в Data Mining
and Machine Learning для того, чтобы дальше уже самостоятельно углубляться в интересующую область.

Ирина Демина
предприниматель

 

Подать заявку

Вас также могут заинтересовать

Полная программа профессиональной переподготовки

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!