Блог
FAQ

Машинное обучение на Python, часть 1

5 дней (40 академических часов).
Длительность:
г. Москва, Ленинградский просп., 68/24;
Место проведения:
08 августа 2022; 26 сентября 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 познакомятся: с основным базовым понятием машинного обучения, библиотекой Scikit-Learn, основными алгоритмами машинного обучения и их прикладного применения с использованием языка Python. Предполагается, что слушатели почти ничего не знают о машинном обучении и цель курса предоставить концепции, инструменты и идеи, которые необходимы для реализации программ, способных обучаться на основе данных.

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
08.08.2022; 26.09.2022
Очный формат — 60 000 ₽.
Дистанционный формат — 60 000 ₽.
В результате освоения курса вы:
определять категории машинного обучения;
работать с библиотекой Scikit-Learn;
проверять модель и подбирать гиперпараметры;
проектировать признаки данных для машинного обучения;
применять алгоритмы наивной байесовской классификации;
применять алгоритмы линейной регрессия;
применять метод опорных векторов;
работать с деревьями принятия решений.
что такое машинное обучение;
как представить данные в Scikit-Learn;
как выбрать оптимальную модель;
как определить категориальные признаки;
как проектировать признаки;
как использовать наивный байесовский классификатор;
как использовать линейную регрессию;
какие есть особенности метода опорных векторов;
как обучить и визуализировать дерево принятия решений.
Научитесь
Узнаете
Основная информация
08 августа 2022
26 сентября 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 Введение

1.1 Что такое машинное обучение.
1.2 Категории машинного обучения.
1.3 Качественные примеры прикладных задач машинного обучения.
1.4 Классификация: предсказание дискретных меток.

2 Знакомство с библиотекой Scikit-Learn

2.1 Представление данных в Scikit-Learn
2.2 API статистического оценивания библиотеки Scikit-Learn
2.3 Разбор прикладной задачи: анализ рукописных цифр

3 Гиперпараметры и проверка модели

3.1 Проверка модели
3.2 Выбор оптимальной модели
3.3 Кривые обучения
3.4 Разбор прикладной задачи: поиск по сетке

4 Проектирование признаков

4.1 Категориальные признаки.
4.2 Текстовые признаки.
4.3 Признаки для изображений
4.4 Производные признаки
4.5 Внесение отсутствующих данных.
4.6 Конвейеры признаков

5 Алгоритм: наивная байесовская классификация.

5.1 Байесовская классификация.
5.2 Гауссов наивный байесовский классификатор.
5.3 Полиномиальный наивный байесовский классификатор.
5.4 Использование наивного байесовского классификатора.

6 Алгоритм: линейная регрессия

6.1 Простая линейная регрессия.
6.2 Регрессия по комбинации базисных функций.
6.3 Регуляризация.
6.4 Разбор прикладной задачи: предсказание велосипедного трафика

7 Метод опорных векторов

7.1 Линейная классификация.
7.2 Нелинейная классификация.
7.3 Регрессия.
7.4 Особенности метода: цель, функции.
7.5 Разбор прикладной задачи: распознавание лиц.

8 Деревья принятия решений

8.1 Обучение и визуализация дерева принятия решений.
8.2 Выработка прогнозов.
8.3 Оценка вероятностей классов.
8.4 Алгоритм обучения и вычислительная сложность.
8.5 Гиперпараметры регуляризации.
8.6 Регрессия.
8.7 Неустойчивость.

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?
Мы проводим обучение в «открытом» и «корпоративном» форматах. «Открытые» курсы — это занятия для всех желающих, которые проходят в нашем офисе по определенной программе и установленному расписанию.
«Корпоративные» курсы — это обучение только сотрудников Заказчика. Он выбирает наиболее приемлемую дату. Программа может изменяться для максимального соответствия потребностям.
Кто проводит обучение?
Наши тренеры — практики с большим опытом работы в своих областях. Каждый преподаватель Центра — эксперт в определенном направлении деятельности. В своей работе наши тренеры используют испытанные временем методики для обучения широкого круга слушателей. Программы постоянно пополняются реальными примерами из практики. Благодаря этому каждый курс действительно актуален.
Какой документ выдается после прохождения обучения?
По окончании курсов слушатель получает документ государственного образца, удостоверение о повышении квалификации. Записи в документе сделаны на русском языке. Сведения о документе заносятся в ФИС ФРДО.
Можно ли перед заказом корпоративного обучения познакомиться с тренером или увидеть, как он проводит обучение?
Такая возможность предоставляется. Чтобы оценить работу тренера, можно посетить его занятие, проходящее в открытом формате. Кроме того, можно задать интересующие вопросы тренеру по телефону или в режиме онлайн. Они могут касаться в целом обучения и определенной программы.
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