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

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 службу 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 основные постановки задач в машинном обучении, изучите основные виды моделей, будете уметь 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.

48

академических часов.

70 000

рублей.
Оплату можно разбить на две части.
Для студентов, выпускников и слушателей основных и дополнительных программ НИУ ВШЭ предусмотрены скидки.

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

Начальные требования

Законченное высшее или среднее профессиональное образование. Слушателями также могут стать студенты, получающие высшее образование.

Документы для зачисления

Сканированные копии:

  1. паспорта (3-4 страница, а также страница с адресом регистрации);
  2. диплома о высшем или среднем профессиональном образовании (первые две страницы);
  3. актуальной справки из вуза (если вы являетесь студентом);
  4. свидетельства о смене фамилии (если в паспорте и дипломе фамилия не совпадает).

Расписание занятий

С 1 октября по 17 декабря 2019 года
по вторникам с 19:00 до 22:00.

Место проведения: Покровский бульвар, 11

Для прохождения курса вам понадобятся основы программирования на Python и знание базовых разделов высшей математики. Чтобы оценить свои силы, оставьте ваш адрес в форме ниже — мы вышлем вам тестирование для самопроверки.

Записаться на программу и получить тестирование

Преподаватели

 

Евгений Соколов

Окончил Московский государственный университет им. М.В. Ломоносова по специальности «Прикладная математика и информатика».

Преподаёт машинное обучение в НИУ ВШЭ, трижды получал награду «Лучший преподаватель» (в 2017, 2018 и 2019 году). Академический руководитель программы «Прикладная математика и информатика». Соавтор онлайн-курсов по анализу данных и машинному обучению на Coursera. Ведёт курсы для руководителей в Корпоративном университете Сбербанка. Занимается анализом данных более 9 лет, из них 5 лет работал в Яндексе.

 

 

Анастасия Рысьмятова

Окончила Московский государственный университет им. М.В. Ломоносова по специальности «Прикладная математика и информатика».

Читает курс машинного обучения в магистратуре факультета компьютерных наук НИУ ВШЭ на совместной программе ФКН и Сбербанка «Финансовые технологии и анализ данных». Data Scientist в команде автоматической модерации Avito.

 

 

Рамиль Яруллин

Окончил НИУ ВШЭ по специальности «Прикладная математика и информатика» и Школу анализа данных Яндекса.

Аспирант факультета компьютерных наук НИУ ВШЭ, разработчик машинного обучения в Яндекс.Такси, занимается исследовательскими и индустриальными задачами в области анализа текстов и глубинного обучения.

 

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. Основные определения и постановки задач. Этапы решения задачи.
  • Работа с данными. Примеры способов получения данных и разметки. Предварительный анализ данных. Библиотека pandas. Визуализация данных.
  • Линейная регрессия. Обучение через аналитическую формулу. Проверка качества моделей, кросс-валидация. Переобучение. Регуляризация линейных моделей.
  • Функции потерь в регрессии. Градиентные методы обучения.
  • Линейная классификация. Функции потерь в классификации. Логистическая регрессия и SVM.
  • Подготовка данных для линейных моделей. Бинаризация числовых признаков. Работа с категориальными признаками: бинаризация, счётчики. Работа с текстовыми данными: мешок слов.
  • Решающие деревья. Обучение, борьба с переобучением.
  • Композиции моделей. Случайный лес. Градиентный бустинг.
  • Имплементации градиентного бустинга. Подбор параметров, практические рекомендации.
  • Обучение без учителя. Кластеризация. Подготовка признаков при помощи кластеризации.
  • Отбор признаков. Алгоритмы жадного отбора признаков. Отбор признаков при помощи моделей.
  • Понижение размерности. Метод главных компонент. Визуализация: t-SNE, UMAP.

Вам также могут быть интересны программы

Курс отлично подойдёт как пререквизит для изучения программы "Машинное обучение". На занятиях вы сможете погрузиться в основы математики, которые понадобятся на курсе "Машинное обучение". Начало занятий 5 сентября.
В курсе вы изучите основы языка программирования Python и основные библиотеки для манипуляции с данными — этих знаний будет достаточно для старта освоения программы курса "Машинное обучение". Начало занятий 11 сентября.
Большая программа профессиональной переподготовки. После изучения курса "Машинное обучение" вы сможете подключаться к отдельным модулям данной программы, наращивая компетенции в различных приложениях машинного обучения.

Записаться на программу и получить тестирование