Научитесь строить алгоритмы машинного обучения для работы с данными
с нуля за 8 недель
Алгоритмы машинного обучения
Курс
Старт потока 18 марта 2025
- Изучайте материалы в удобное время на нашей платформе
- Выполняйте задания, чтобы освоить навык и пополнить портфолио
- Присоединяйтесь к сообществу аналитиков, чтобы продолжать учиться
- Сможете возвращаться к курсу в любой момент, доступ
к материалам останется
навсегда
О программе:
Курс направлен на изучение глубокое изучение методов машинного обучения и их практическое применение в разработке и внедрении моделей машинного обучения. Слушатели углубятся в различные алгоритмы машинного обучения, техники оптимизации моделей, работу с данными, научатся разрабатывать и оптимизировать модели машинного обучения, проводить анализ данных, работать с большими объёмами информации.
Курс направлен на изучение глубокое изучение методов машинного обучения и их практическое применение в разработке и внедрении моделей машинного обучения. Слушатели углубятся в различные алгоритмы машинного обучения, техники оптимизации моделей, работу с данными, научатся разрабатывать и оптимизировать модели машинного обучения, проводить анализ данных, работать с большими объёмами информации.
Входное требование – знание языка программирования Python
Вы научитесь
-
Понимать принципы работы алгоритмов машинного обучения - Разрабатывать модели машинного обучения в зависимости от решаемой задачи, а также осуществлять оценку качества моделей
- Делать выводы и интерпретировать полученные результаты на языке предметной области
>300 000 ₽
250 000 ₽
120 000 ₽
80 000 ₽
3+ лет стажа
1+ год стажа
зарплата начинающего
после 6 лет стажа
Средняя зарплата специалистов, занимающихся машинным обучением в России
по данным hh.ru и Роснавык, 2024 год
Темы курса
Научитесь:
• работать со случайными величинами
• оценивать параметры и числовые характеристики
• нормальному закону распределения. ЗБЧ.ЦПТ
• ставить гипотезы и осуществлять их проверку
• осуществлять A/B тестирование
• осуществлять регрессионный и корреляционный анализ
• интерпретировать результаты анализа
• работать со случайными величинами
• оценивать параметры и числовые характеристики
• нормальному закону распределения. ЗБЧ.ЦПТ
• ставить гипотезы и осуществлять их проверку
• осуществлять A/B тестирование
• осуществлять регрессионный и корреляционный анализ
• интерпретировать результаты анализа
Научитесь:
• продвинутому регрессионному анализу
• классификации
• кластеризации
• продвинутому регрессионному анализу
• классификации
• кластеризации
Преподаватели курса
Татьяна
Кабанова
Кабанова
Доцент кафедры ТВиМС, Институт прикладной математики и компьютерных наук НИ ТГУ
Анастасия
Кеба
Кеба
Data-scientist, Институт прикладной математики и компьютерных наук НИ ТГУ
Освоить навык
Алгоритмы машинного обучения
Курс
старт 18 марта, 45 000 ₽
доступна рассрочка:
2 платежа по 22 500 рублей
2 платежа по 22 500 рублей