Назад

Математика и Machine Learning для Data Science

SkillFactory
Сложность
Для продвинутых
Длительность
4 мес

Программа курса

Линейная алгебра
  • Изучаем вектора и виды матриц
  • Учимся проводить операции над матрицами
  • Определяем линейную зависимость с помощью матриц
  • Изучаем обратные, вырожденные и невырожденные матрицы
  • Изучаем системы линейных уравнений, собственные и комплексные числа
  • Осваиваем матричное и сингулярное разложение
  • Решаем задачи линейной зависимости с помощью матриц
  • Оптимизируем с помощью метода главных компонент
  • Закрепляем математические основы линейной регрессии
Основы матанализа
  • Изучаем функции одной и многих переменных и производные
  • Осваиваем понятие градиента и градиентного спуска
  • Тренируемся в задачах оптимизации
  • Изучаем метод множителей Лагранжа, метод Ньютона и имитацию отжига
  • Решаем задачи предсказания и поиска выигрышной стратегии с помощью производных и численных методов оптимизации
  • Закрепляем математические основы градиентного спуска и имитации отжига
Основы теории вероятности и статистики
  • Изучаем общие понятия описательной и математической статистики
  • Осваиваем комбинаторику
  • Изучаем основные типы распределений и корреляции
  • Разбираемся в теореме Байеса
  • Изучаем наивный байесовский классификатор
  • Решаем задачи комбинаторики, валидности и прогнозирования методами статистики и теорвера
  • Закрепляем математические основы классификации и логистической регрессии
Временные ряды и прочие математические методы
  • Знакомимся с анализом временных рядов
  • Осваиваем более сложные типы регрессий
  • Прогнозируем бюджет с помощью временных рядов
  • Закрепляем математические основы классических моделей машинного обучения
Введение в машинное обучение
  • Знакомимся с основными задачами и методами machine learning, изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом
  • Решаем 50+ задач на закрепление темы
Методы предобработки данных
  • Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering
  • Решаем 60+ задач на закрепление темы
Регрессия
  • Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии
  • Решаем 40+ задач на закрепление темы
Кластеризация
  • Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML
  • Решаем 50+ задач на закрепление темы
Tree-based алгоритмы: введение в деревья
  • Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии
  • Решаем 40+ задач на закрепление темы
Tree-based алгоритмы: ансамбли
  • Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии
  • Решаем 40+ задач на закрепление темы
  • Участвуем в соревновании на kaggle по обучению tree-based модели
Оценка качества алгоритмов
  • Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения
  • Решаем 40+ задач на закрепление темы
  • Оцениваем качество нескольких моделей ML
Временные ряды в машинном обучении
  • Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров
  • Решаем 50+ задач на закрепление темы
Рекомендательные системы
  • Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели
  • Решаем 50+ задач на закрепление темы
Финальный хакатон
  • Применяем все изученные методы для получения максимальной точности предсказаний модели на Kaggle

Преподаватели

Эмиль Магеррамов
Эмиль Магеррамов
Ведущий автор разделов ML и DS. Руководитель группы вычислительной химии в BIOCAD. Создает сервисы и модели машинного обучения, которые помогают химикам быстрее выпускать лекарства.
Эмиль Богомолов
Эмиль Богомолов
Инженер-исследователь в группе ADASE Сколтех
Антон Киселев
Антон Киселев
Ведущий автор раздела «Введение в DS»Head of Marketing Analytics, Playrix. Эксперт по данным с опытом 15+ лет. Компетенции: Data Science
Сергей Веренцов
Сергей Веренцов
CTO, компания EORA
Показать еще
Цена
2 950 BYN
Скидка -40%
- 1 180 BYN
Итого
1 770 BYN
В рассрочку на 12 мес
246 BYN/мес
148 BYN/мес
Кешбэк
531 балл

Похожие курсы

Аналитика и Data Science
Профессия Data Scientist
24 мес
Старт: 13 марта
ХИТ
-40%
Кешбэк 30%: 2 286 баллов
12 705 BYN
7 620 BYN
В рассрочку на 36 мес
212 BYN/мес
Аналитика и Data Science
Профессия Data Scientist
12 мес
ХИТ
-40%
Кешбэк 30%: 1 467 баллов
8 150 BYN
4 890 BYN
В рассрочку на 30 мес
163 BYN/мес
Аналитика и Data Science
Аналитик данных с нуля
4 мес
ХИТ
-40%
Кешбэк 30%: 899 баллов
4 993 BYN
2 996 BYN
В рассрочку на 18 мес
167 BYN/мес
Аналитика и Data Science
Аналитик данных
6 мес
Старт: 5 марта
-65%
Кешбэк 5%: 143 балла
8 130 BYN
2 846 BYN
В рассрочку на 24 мес
119 BYN/мес
Аналитика и Data Science
Power BI и Power Query
2 мес
Старт: 5 марта
-65%
Кешбэк 5%: 13 баллов
707 BYN
247 BYN
В рассрочку на 3 мес
83 BYN/мес
Аналитика и Data Science
Основы Data Science
5 мес
Старт: 29 февраля
-65%
Кешбэк 5%: 52 балла
2 916 BYN
1 021 BYN
В рассрочку на 10 мес
103 BYN/мес
Аналитика и Data Science
Инженер-аналитик
12 мес
-65%
Кешбэк 30%: 1 200 баллов
11 426 BYN
3 999 BYN
В рассрочку на 28 мес
143 BYN/мес
Аналитика и Data Science
Data Science аналитик
9 мес
-65%
Кешбэк 30%: 899 баллов
8 557 BYN
2 995 BYN
В рассрочку на 18 мес
167 BYN/мес
Аналитика и Data Science
Data Scientist с нуля до PRO
25 мес
Старт: 13 марта
-40%
Кешбэк 30%: 2 592 балла
14 400 BYN
8 640 BYN
В рассрочку на 36 мес
240 BYN/мес
Аналитика и Data Science
Data Scientist в медицине с нуля
12 мес
-65%
Кешбэк 30%: 1 200 баллов
11 426 BYN
3 999 BYN
В рассрочку на 28 мес
143 BYN/мес
Аналитика и Data Science
Аналитика в маркетинге
2 мес
Старт: 5 марта
-65%
Кешбэк 5%: 34 балла
1 944 BYN
680 BYN
В рассрочку на 6 мес
114 BYN/мес
Аналитика и Data Science
Аналитика в продукте
4 мес
Старт: 5 марта