Программа «Машинное обучение»
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.
Основные темы курса:
- Обучение с учителем — линейные модели, решающие деревья, композиции моделей на основе бэггинга и бустинга
- Обучение без учителя — кластеризация и визуализация многомерных данных
- Подготовка данных — отбор признаков, обработка категориальных и текстовых признаков
По итогам курса вы будете понимать ключевые постановки задач в машинном обучении, изучите основные виды моделей и сможете самостоятельно пройти путь от обработки сырых данных до построения и валидации модели.
Все темы сопровождаются практическими домашними заданиями на реальных данных.
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.
академических часов, в том числе 64 ак. часа лекций и семинаров.
рублей.
Оплату можно разбить на две части.
Для студентов, выпускников и слушателей основных и дополнительных программ НИУ ВШЭ предусмотрены скидки.
Начальные требования
Законченное высшее или среднее профессиональное образование. Слушателями также могут стать студенты, получающие высшее образование.
Документы для зачисления
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).
Расписание занятий
11 июля — 28 ноября 2020 г.
Один раз в неделю, по субботам с 15:30 до 18:30, очно
Для прохождения курса вам понадобятся основы программирования на Python и знание базовых разделов высшей математики.
Преподаватели
Елена Кантонистова
Кандидат физико-математических наук, ведущий Data Scientist в консалтинговой компании UCG. Приглашенный преподаватель факультета компьютерных наук НИУ ВШЭ.
Окончила механико-математический факультет МГУ им. М.В. Ломоносова и Школу анализа данных Яндекса, направление "Компьютерные науки".
.
Как устроено обучение
Занятия проходят раз в неделю. Каждое занятие состоит из лекции и семинара. На лекции преподаватель объясняет, как работают методы машинного обучения, какие математика и алгоритмы за ними стоят. На семинаре слушатели работают с данными и решают реальные задачи с помощью Python и его библиотек. После каждого занятия выдаётся домашнее задание, которое поможет закрепить навыки.
Программа курса
- Введение в машинное обучение и основные задачи
- Линейная регрессия
- Градиентные методы обучения
- Линейная классификация и метрики качества классификации
- Логистическая регрессия
- Работа с категориальными признаками и текстами
- Решающие деревья и другие нелинейные алгоритмы
- Бэггинг и случайные леса
- Градиентный бустинг
- Градиентный бустинг: имплементации
- Отбор признаков и понижение размерности
- Кластеризация и визуализация
- Статистика в машинном обучении
- Соревнования в машинном обучении