Курс по машинному обучению — фундамент, который поможет освоить сложные предметные области в искусственном интеллекте и Data Science. Здесь ты научишься самостоятельно работать с ML-моделями: выбирать, обучать, настраивать, валидировать их и интерпретировать результаты в реальных проектах.
Фича курса. Эксперты из таких крупных ИТ-компаний, как «Авито», «Яндекс», «Альфа-Банк» и других, отобрали и систематизировали лучшие современные практики. Авторы изучили доступные на рынке курсы, чтобы составить наиболее полную и детально проработанную программу по теме ML.
Пререквизиты: Основы Python.
Кореквизиты: нет.
Для каких потоков доступен: 2025–2029.
Лимит по количеству студентов: нет.
Курс состоит из четырёх блоков.
В первом ты познакомишься с ключевыми терминами машинного обучения, типами задач, метриками, методами контроля качества и способами оценки моделей.
Этот блок формирует основу для всех последующих тем.
Во втором освоишь линейные модели: линейную регрессию, логистическую регрессию
и SVM, а также поймёшь, как они обучаются, как ограничивать переобучение и оценивать
их работу.
В третьем блоке разберёшься в деревьях решений и моделях на их основе,
поймёшь, как строить деревья, что влияет на их сложность, как формируются ансамбли
и чем отличаются их разновидности.
В четвёртом блоке изучишь методы обучения без учителя — кластеризацию, понижение размерности, поиск аномалий — и узнаешь, как работать с генерацией и отбором признаков, а также рассмотришь отдельный класс практических задач — uplift-моделирование.
Содержание курса