Machine Learning

Строим базу сильного ML-специалиста через баланс практики и теории:

Практика Осваиваем инструментарий ML-специалиста (Scikit-learn, LightGBM, CatBoost, Pandas) и учимся эффективно применять ML в практических задачах.
Теория Разбираемся в методах машинного обучения, чтобы понять их возможности и ограничения.

Академическая нагрузка

2 пары в неделю

Пререквизиты

Основы Python
Python для анализа данных или знание и умение уверенно работать с Numpy, Pandas, Matplotlib, Seaborn

Руководители курса

Untitled

Фича курса

Залог успеха в ML — способность найти применение ML к решению важных задач бизнеса. Семинаристы курса по ML это действующие эксперты из ведущих ИТ-компаний, которые не только научат студентов теории, но и поделятся своим практическим опытом.

Результат курса

Вы будете готовы решать практические ML-задачи и получите базу для прохождения собеседований по классическому ML.

Тематический план курса

В курсе излагаются классические методы машинного обучения: метрические, линейные, деревья и ансамбли, а также изучаются общие вопросы машинного обучения: контроль качества, сложность алгоритмов. Отдельное внимание уделяется предобработке и анализу данных.