Applied Machine Learning

Курс по машинному обучению для технических специалистов


12 вебинаров + 7 домашних заданий за 40 000 рублей

Занятия по средам и пятницам с 18:00 до 19:30 с 16 августа

Задачи и методы machine learning, практика на Python, примеры прикладных задач

Преподаватели

  • Эмели драль

    Yandex Data Factory: Chief Data Scientist
    Coursera: преподаватель и соавтор специализации  «Машинное обучение и анализ данных»

    МФТИ, ранее - РУДН: преподаватель


  • Виктор кантор

    Яндекс Такси: Руководитель команды машинного обучения

    Coursera: преподаватель и соавтор специализации  «Машинное обучение и анализ данных»

    МФТИ, ШАД, Сбертех: преподаватель

    Создатель курса "Data mining in Action" (DMIA) (самый масштабный оффлайновый курс по машинному обучению в России, 650 слушателей в 2016 году)

  • --- ----

    Data scientist в Яндекс Такси, преподаватель МФТИ, руководитель направления "индустриальный анализ данных" на курсе Data Mining in Action

  • --- ----

    Data scientist в Yandex Data Factory

  • --- ----

    Data Scientist в Яндексе, Kaggle Grandmaster

  • --- ----

    Data Scientist в Яндексе, преподаватель МФТИ

Чем мы хороши

Опытные преподаватели


6 лет опыта в преподавании анализа данных: уже знаем как это делать и еще не стали динозаврами и не разучились что-то делать руками :)



Регулярно показываем крутые результаты

Наша специализация на курсере за первый год существования собрала почти 30 тысяч слушателей. Оффлайновый курс Data Mining in Action - 650 слушателей в 2016 году. Наши выпускники попадают в Яндекс, ABBYY, Сбербанк, ТКС и многие другие компании.

Специалисты из индустрии

Наши преподаватели работали с компаниями из разных областей (IT, ритейл, телеком и др.), такими как: Яндекс, ABBYY, Сбербанк Технологии, Мегафон, 585gold, ЦУМ и другие. Сталкивались с задачами прогнозирования спроса, построения рекомендательных систем, оптимизации производства, прогнозирования оттока клиентов, персонализации привлечения клиентов и персонализации мотивации сотрудников, и многими другими.

Делаем топовое образование по Data Science

Работали и работаем с крутыми ВУЗами и образовательными центрами. Среди них: Московский Физико-Технический Институт, Школа Анализа Данных Яндекса, Высшая Школа Экономики и др.

Программа курса

Вебинары


  1. Введение в машинное обучение: примеры применения в компаниях, стандартные задачи и понятия. Простые методы: kNN, Naive Bayes, kMeans.
  2. Знакомство с Python и scikit-learn. Учимся строить модели, наблюдаем переобучение и недообучение.
  3. Решающие деревья: выясняем, как они работают, и пробуем применять на практике.
  4. Ансамбли решающих деревьев: Random Forest и Gradient Boosting. Краткое знакомство со способами построения композиций.
  5. Линейные модели в задаче регрессии: постановка и решение оптимизационной задачи, регуляризация. Линейные модели в задаче класификации.
  6. Линейные модели в задаче классификации: подробнее о логистической регрессии и SVM.
  7. Метрики качества в задачах классификации и регрессии: какую выбрать и как это связано с целями бизнеса на примере реальных кейсов. Работа с признаками.
  8. Задача из индустрии: построение рекомендательных систем.
  9. Задача из индустрии: прогнозирование оттока клиентов.
  10. Знакомство с нейронными сетями
  11. Практика по deep learning
  12. Задача кластеризации. Алгоритмы и метрики качества. Прикладной кейс: анализ текстов.


Задания

  1. Исследование явлений переобучения и недообучения моделей
  2. Построение и интерпретация решающих деревьев на данных из банковской сферы
  3. Решение задачи анализа тональности отзывов на организации
  4. Построение простых бейзлайнов для рекомендательных систем и прогнозирование оттока клиентов компании
  5. Классификация изображений с помощью сверточных нейросетей
  6. Генерация текстов с помощью рекуррентных нейросетей
  7. Заключительное задание: соревнование по машинному обучению
первое занятие пройдет
16 АВГУСТА 2017г. в 18:00
До начала осталось:
Количество мест ограничено
успейте оплатить участие
Заявка на участие
Мы не передаем Вашу персональную информацию третьим лицам