Центр
системно-инженерных компетенций
ЗАКАЗАТЬ ЗВОНОК

Машинное обучение на Python, часть 2

5 дней (40 академических часов).
Длительность:
г. Москва, Ленинградский просп., 68/24;
Место проведения:
15 августа 2022; 17 октября 2022
Дата проведения:
60 000 руб.
Стоимость:
Необходимые для зачисления в группу документы: паспорт, СНИЛС, диплом о высшем или среднем специальном образовании, заключенный договор об образовании.
Машинное обучение — это подраздел искусственного интеллекта (ИИ) и науки о данных, специализирующийся на использовании данных и алгоритмов для имитации процесса наработки опыта человеком с постепенным повышением точности.

На курсе слушатели продолжат знакомиться: с основными алгоритмами машинного обучения и их прикладного применения с использованием языка Python.

Описание курса
Целевая аудитория
Начинающие специалисты в области программирования, рассматривающие предмет как ступень к изучению Data Science.
Расписание открытых форматов курса
Стоимость обучения одного слушателя
15.08.2022; 17.10.2022
Очный формат — 60 000 ₽.
Дистанционный формат — 60 000 ₽.
В результате освоения курса вы:
применять ансамблевое обучение и случайные леса;
применять метод главных компонент;
применять метод обучения на базе многообразий;
применять алгоритм кластеризации методом k-средних;
применять алгоритм смеси Гауссовых распределений;
применять алгоритм ядерной оценки плотности распределения.
что такое беггинг, бустинг, стекинг;
как использовать метод главных компонент;
как использовать кластеризацию методом k-средних, на примерах;
как применять алгоритм смеси Гауссовых распределений как метод оценки плотности распределения;
как использовать ядерную оценку плотности распределения на практике.
Научитесь
Узнаете
Основная информация
15 августа 2022
17 октября 2022
пн–чт 10:00–17:00
60 000 руб.
м. Аэропорт,
Ленинградский проспект 68/24
Верхотуров Марк Валерьевич
Беляев Александр Владимирович
Порядок записи на курс
Консультация
Выбор курса
Заключение договора
Оплата обучения.
Подробная программа курса
1 Алгоритм: Ансамблевое обучение и случайные леса

1.1 Классификаторы с голосованием

1.1.1 Беггинг и вставка
1.1.2 Беггинг и вставка в Scikit-Learn
1.1.3 Оценка на неиспользуемых образцах

1.2 Методы случайных участков и случайных подпространств
1.3 Случайные леса

1.3.1 Особо случайные леса
1.3.2 Значимость признаков

1.4 Бустинг
1.5 Стекинг
1.6 Разбор прикладной задачи: использование случайного леса для классификации цифр

2 Алгоритм: метод главных компонент

2.1 Знакомство с методом главных компонент
2.2 Использование метода PCA для фильтрации шума
2.3 Пример: метод Eigenfaces

3 Алгоритм: обучение на базе многообразий

3.1 Обучение на базе многообразий: HELLO
3.2 Многомерное масштабирование (MDS)
3.3 MDS как обучение на базе многообразий
3.4 Нелинейные вложения: там, где MDS не работает
3.5 Нелинейные многообразия: локально-линейное вложение
3.6 Применение методов обучения на базе многообразий
3.7 Разбор прикладной задачи: визуализация структуры цифр

4 Алгоритм: кластеризация методом k-средних

4.1 Знакомство с методом k-средних
4.2 Алгоритм k-средних: максимизация математического ожидания
4.3 Примеры использования кластеризация методом k-средних

5 Алгоритм: смеси Гауссовых распределений

5.1 Причины появления GMM: недостатки метода k-средних
5.2 Обобщение EM-модели: смеси Гауссовых распределений
5.3 GMM как метод оценки плотности распределения
5.4 Пример: использование метода GMM для генерации новых данных

6 Алгоритм: ядерная оценка плотности распределения

6.1 Обоснование метода KDE: гистограммы
6.2 Ядерная оценка плотности распределения на практике
6.3 Пример: KDE на сфере
6.4 Пример: не столь наивный байес

Возможные форматы обучения и размеры групп
очно (до 15 слушателей);
дистанционно в составе очной группы (без ограничения числа подключений);
корпоративный формат (для групп от 10 до 15 слушателей).
Документы об окончании
Удостоверение о повышении квалификации
Ответы на часто задаваемые вопросы
Какие форматы обучения?
Для удобства слушателей мы проводим обучение в двух форматах. Первый, «открытый», предполагает прохождение курсов непосредственно в нашем офисе. Обучение ведется по расписанию, во время него реализуется заранее определенная программа. Попасть на курсы могут все желающие.
Второй формат — «корпоративный». Он предполагает только обучение группы, представленной Заказчиком. Программа может быть адаптирована под конкретные потребности. Заказчик выбирает удобную дату.
Кто проводит обучение?
Разработчики и ведущие обучающих курсов — признанные эксперты в определенных направлениях деятельности. Это тренеры, которые готовы передать ценные знания по своим направлениям, а также важный в современных условиях практический опыт.
Какой документ выдается после прохождения обучения?
По прохождении курсов повышения квалификации выдается Удостоверение о повышении квалификации. Это документ государственного образца, на русском языке. Сведения о нем заносятся в ФИС ФРДО.
Можно ли перед заказом корпоративного обучения познакомиться с тренером или увидеть, как он проводит обучение?
Предварительное ознакомление с работой тренера возможно. Для этого нужно посетить его занятие. Еще один способ получить полное представление о программе и обучении — задать вопросы тренеру по телефону или пообщаться с ним онлайн.
Требуемый уровень предварительной подготовки
Опыт программирования на языке Python и знание основных библиотек Python для научных расчетов: Numpy, Pandas, Matplotlib. Понимание разделов математики: теория вероятности, статистика, математический анализ, линейная алгебра.

Верхотуров Марк Валерьевич

Руководитель IT проектов, Разработчик Python, Data Scientist, ML-engineer
Разработка на Python
Сбор и анализ данных
Преобразование "сырых" данных в полезную информацию для бизнеса
Создание и обучение предиктивных моделей с помощью алгоритмов машинного обучения и нейросетей
Помощь бизнесу в нахождении скрытых закономерностей, прогнозировании развития событий и оптимизации ключевых бизнес-процессов
Консалтинг
Коучинг
Специализация
Должность
Дополнительные услуги

Тренер курса

Ведёт 13 курсов в ЦЕСИНКОМ

Беляев Александр Владимирович

Разработчик информационных систем, системный аналитик, аналитик данных
Разработка на Python
Машинное обучение
Математическая оптимизация
Консалтинг

Специализация
Должность
Дополнительные услуги

Тренер курса

Ведёт 19 курсов в ЦЕСИНКОМ
Разработка курса или траектории обучения под вашу задачу
Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.
Рекомендуемые курсы
Список курсов, которые дополняют данный курс
Список категорий каталога, в которые включён курс
Траектории, в которые входит данный курс
Список курсов, требующихся для прохождения данного курса