Введение в Machine Learning
С нуля до решения практических задач за 4 недели. Получите подробную программу и план обучения на почту
Онлайн
из любой точки мира
7 ноября
дата старта

оценка курса — 4,5 (513 студентов)
Сейчас лучшее время для знакомства с Data Science
Востребованность профессии
С 2012 по 2016 годы количество вакансий специалистов по машинному обучению выросло в 18 раз
Нехватка специалистов
Прямо сейчас специалистов по машинному обучению ищут Яндекс, Mail.ru, Сбербанк, МТС, PwC, М-Видео, Северсталь
Преимущества курса
Курс предназначен для людей, которые решили познакомиться с областью Data Science. Для обучения вам не потребуется никаких дополнительных знаний. Программа рассчитана на обучение с нуля
Курс является практически-ориентированным. Фокус и упор мы делаем не на математическом фундаменте, а именно на понимании задач и практическом применении решений.
Обучение на курсе - это первый шаг на пути к специалисту по анализу данных
По результатам курса вы поймете какие основные задачи могут быть решены при помощи машинного обучения
Наши студенты работают в компаниях
Преподаватель
Александр Петров
Senior Software Development Engineer
(Эдинбург, Шотландия)
«Курсов по машинному обучению много, однако все они содержат массу фундаментальных основ. Это безусловно важно для профессионального овладения дисциплиной, но из-за этого студенты лишаются возможности "попробовать" технологии machine learning в действии, не тратя много сил на вспоминание университетской математики.

Мы решили построить наш курс иначе: мы начинаем от практических задач, рассказывая про инструменты и методы их решения. Мы рассчитываем, что наш курс будет первым шагом на сложной дороге освоения data science, и даем возможность сделать его, не затрачивая огромных усилий.»
Программа курса
Модуль 1
Модуль 1
Введение
Обзор курса и знакомство с преподавателем
Первая модель машинного обучения: Дерево принятия решений
Модуль 2
Модуль 2
Основные модели машинного обучения
Регрессия
Классификация
Явление переобучения
Ансамбли деревьев
Модуль 3
Модуль 3
Оценка качества алгоритмов машинного обучения
Зачем нужны тренировочная, валидационная и тестовая выборки
Кросс-валидация и скользящий контроль
Гиперпараметры и их подбор
Модуль 4
Модуль 4
Глубокое обучение
Как работает нейросеть
Задачи глубокого обучения
Что еще есть в области машинного обучения
Отзывы о курсе
Получить программу
А также подробный план развития в области Data Science
Жизнь на курсе
Уроки с большим процентом практики

Вы не просто изучаете алгоритмы, а учитесь использовать их в решении реальных бизнес-задач. После обучения сможете сразу использовать навыки машинного обучения в деле, а не разбираться с тем, как приспособить знания к жизни.

Уроки доступны на онлайн платформе, для вдумчивого изучения в любое время.


Помощь преподавателя и коллектива

Если что-то не получается, вы не остаетесь один на один с трудностью. Рядом преподаватель, который поможет разобраться с проблемой.

Учиться в коллективе лучше, когда видишь успехи остальных. Если у кого-то получается лучше, это подстегивает к более активным действиям. Если получается лучше остальных, то вы помогаете коллегам.
Общаемся и помогаем друг другу в Slack

Для курса создается сообщество в Slack. В нем участники делятся впечатлениями и решениями задач, спрашивают совета, а наставники все подробно разъясняют.


Делаем домашние задания

Тут все очевидно: чтобы научиться, нужно практиковаться. Дома вы делаете задания, пишете код, а преподаватели и сокурсники вам в этом помогают.
Работаем в команде на хакатоне

Курс завершается хакатоном, где вы за 6 часов делаете MVP модели, которую можно запустить в продакшн. Вы будете работать в команде в условиях жесткого дедлайна: создавать гипотезы, кодить, проверять. Опыт прошлых потоков доказывает, что это очень интересное и важное занятие.

На курсе обучение не заканчивается
Сертификат о прохождении курса
Помощь с трудоустройством и стажировкой
12 Jupyter ноутбуков, много готового кода для работы
Тусовку специалистов и полезных знакомств
Запишитесь на обучение
installmentPrice
при покупке в рассрочку

basePrice
currentPrice
полная стоимость до 30 мая

Осталось 20 мест

Часто задаваемые вопросы
Что такое машинное обучение и в чем его польза? Отрасли применения
Представьте риэлтора с многолетним опытом покупки и продажи недвижимости. Он умеет определять стоимость квартиры почти мгновенно. Складывает в уме определенные параметры: инфраструктуру района, количество комнат, этаж, состояние подъезда и квартиры и т. д. И в памяти тут же всплывают подобные квартиры и цены, за которые они были проданы.

Машинное обучение — это когда в программу загружается опыт риэлтора, чтобы она тоже могла мгновенно определять стоимость квартиры. Для этого используют обучающие алгоритмы.

С помощью обучающих алгоритмов можно научить программы делать что угодно:

1. Предлагать дополнительные товары, которые пользователь купит с наибольшей вероятностью, на основе его поведения на сайте и покупок. Таким образом увеличивать продажи и прибыль бизнеса.

2. Предсказывать события в клиентской базе. Таким образом можно заранее предпринять меры, которые сократят расходы или увеличат прибыль. Возьмем к примеру страховую компанию, которая предоставляет услуги ДМС. Если она научит программу предсказывать, кто из клиентов в ближайшее время обратится за дорогостоящей медицинской услугой, то сможет предпринять меры, чтобы сократить расходы по ДМС. Например, позвонить клиенту и предложить ему проконсультироваться с хорошим врачом, чтобы не допустить развитие болезни.

3. Формировать заказы на поставку для магазинов сети с учетом динамики продаж, сезона, прогноза погоды и других параметров. Таким образом не допускать, чтобы в торговых точках было затоваривание или нехватка товара.

4. Сегментировать клиентов, чтобы делать им подходящие предложения. Возьмем к примеру банк, который создал новый вид кредита. С помощью машинного обучения он может выявить в базе клиентов тех, кто вероятнее всего воспользуется таким кредитом.
Зачем это мне?
Рынку нужны специалисты по машинному обучению. Как пишет HeadHunter, количество вакансий, в которых упоминается машинное обучение, с 2012 по 2016 годы увеличилось в 18 раз: с 113 до 2037. А по версии кадрового агентства Glassdoor, профессия Data Scientist, напрямую связанная с машинным обучением, занимает первую строчку в рейтинге самых лучших профессий Америки.

Ценятся такие специалисты высоко. Журнал IncRussia пишет, что зарплата специалиста по машинному обучению составляет 130-300 тысяч рублей. Причина в том, что на рынке мало специалистов по машинному обучению. И наш курс поможет войти в их число.
Насколько это сложно
Машинное обучение — это не сложно. Чтобы освоить машинное обучение, не нужно быть программистом от бога, иметь ученую степень по информатике или высшей математике. Достаточно знать основы программирования, теории вероятности и математической статистики. Всему остальному научим на курсе.

Основы можно получит на бесплатных курсах. Мы вышлем необходимые материалы для изучения.
Для кого этот курс
Курс предназначен для аналитиков, разработчиков, product-менеджеров и тех, кто хочет освоить профессию Data Scientist.

Участники научатся решать конкретные бизнес-задачи и работать с данными с помощью машинного обучения.
Я никогда не программировал
Вам нужно более ответственно подойти к предварительной подготовке, мы вышлем все необходимые материалы.
Что потребуется для успешного обучения
Ноутбук, с установленным Python (мы дадим инструкцию и поможем с установкой). Около 10 часов в неделю и желание получить новые знания.
Я стану гуру машинного обучения?
Путь Data Scientist — долгий и требует знаний математики, статистики, программирования и значительной практики. Вы пройдете от точки «я ничего не знаю» до точки «я решаю задачи по машинному обучению и знаю, где это применить и как развиваться дальше».
Чем вы лучше бесплатных курсов
Основной ответ такой — наш курс не является заменой бесплатным онлайн-курсам. Напротив, онлайн-курсы — это очень хорошо и полезно.

Вы будете учиться по принципу одно занятие = одна задача. Вместе с опытным data scientist'ами с опытом работы в топовых отечественных и зарубежных компаниях вы пройдете все этапы проекта по машинному обучению: загрузка и очистка данных, выбор модели, разделение на основную и контрольную выборку, кросс-валидация, «тюнинг» модели и многое другое.

Каждое занятие будет проводится в специальном Jupyter notebook, который останется у вас после курса, и который поможет вам, когда вы будете реализовывать свои проекты после окончания курса (вплоть до того, что можно брать готовые «куски» кода, которые работают).
Это действительно востребовано?
Просто посмотрите статистику Data Science на русскоязычных и зарубежных кадровых сайтах.
Онлайн-курс «Введение в Machine Learning»
С нуля до решения практических задач за 4 недели. Получите подробную программу и план обучения на почту!
Вернем деньги, если вы не найдете курс полезным

Нажимая, вы даете согласие на обработку своих персональных данных