Машинное обучение
курс повышения квалификации
Машинное обучение — один из самых востребованных разделов компьютерных наук. Именно с помощью машинного обучения сейчас удаётся строить рекомендательные системы для видео, прогнозировать спрос на тысячи товаров и автоматически обрабатывать огромные потоки писем в службе поддержки.
Мы ожидаем, что слушатели владеют языком Python, который является де-факто стандартным инструментом для анализа данных: знают про условные операторы, циклы, функции, разбираются в числовых и строковых типах данных, умеют работать со списками и словарями, знают встроенные функции языка. Также знакомы с высшей математикой: математический анализ (дифференцирование функций одной и многих переменных, интегрирование, разложение в ряд Тейлора,
исследование функции на экстремумы); линейная алгебра (умение работать с матрицами - умножать, складывать, решать матричные уравнения, матричные инварианты: определитель, собственные числа и собственные значения, матричные разложения (SVD); теория вероятностей и математическая статистика (основные распределения и их свойства (нормальное, равномерное, экспоненциальное, биномиальное), математическое ожидание и дисперсия, центральная предельная теорема и закон больших чисел).
Чему научитесь
Программа
Что узнаете за 16 недель обучения
Занятия проходят раз в неделю. Каждое занятие состоит из теоретической и практической части. На теоретической части преподаватель объясняет, как работают методы машинного обучения, какие математика и алгоритмы за ними стоят. На практической части слушатели работают с данными и решают реальные задачи с помощью Python и его библиотек. После каждого пройденного раздела выдаётся домашнее задание, которое поможет закрепить полученные навыки.
-
Введение в машинное обучение
Основные типы задач, процесс обучения и валидации модели. Градиентные методы обучения
-
Линейные методы машинного обучения
Линейная регрессия. Линейная классификация и метрики качества классификации. Логистическая регрессия
-
Продвинутые методы машинного обучения
Работа с категориальными признаками и текстами. Решающие деревья и другие нелинейные алгоритмы. Бэггинг и случайные леса. Градиентный бустинг. Градиентный бустинг: имплементации
-
Работа с признаками и другие задачи машинного обучения
Отбор признаков и понижение размерности. Кластеризация и визуализация. Статистика в машинном обучении. Соревнования в машинном обучении
Преподаватели
Елена Кантонистова
Доцент факультета компьютерных наук НИУ ВШЭ
Ильдар Сафило
Эксперт по наукам о данных в МТС
Поступающим
Стоимость
72 000 ₽
Оплату можно разбить на два взноса.
Cкидки для студентов, выпускников и слушателей основных и дополнительных программ ВШЭ.
Расписание
4 сентября – 25 декабря 2021
Занятия один раз в неделю: по субботам (15:00-18:00), очно.
Место проведения: Москва, Покровский бульвар, 11
Документ при успешном завершении обучения
У нас есть лицензия на образовательную деятельность.
Траектория поступления
-
Шаг 1: Оставить заявку на программу
В заявке важно указать актуальные номер и e-mail.
-
Шаг 2: Подтвердить обучение на курсе
Менеджер свяжется с вами по указанным в заявке контактам, чтобы вы могли подтвердить участие в обучении.
-
Шаг 3: Отправить документы для зачисления
Для зачисления нужны сканированные копии:
– паспорта (3-4 страница, а также страница с адресом регистрации);
– диплома о высшем или среднем профессиональном образовании (первые две страницы);
– актуальной справки из вуза (если вы являетесь студентом);
– свидетельства о смене фамилии (если в паспорте и дипломе фамилия не совпадает). -
Шаг 4: Оплатить обучение
Менеджер отправит вам ссылку на оферту и на оплату, по которой нужно будет оплатить обучение.
-
Шаг 5: Начать обучение
За несколько дней до начала обучения отправим организационное письмо со всей важной информацией о курсе и ссылкой на чат в Telegram.
Контакты
Светлана Попова
Менеджер
svetlana.popova@hse.ru
7 (495) 531-00-00 доб. 27355
Покровский б-р,11. Каб. T919