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
17 октября
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
Старший разработчик в Amazon (живет и работает в Шотландии, г. Эдинбург)
«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 опытными data scientist'ами из Mail.Ru Group 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 изучите информацию в интернете, начните с любого интервью с Андреем Себрантом.
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
Made on
Tilda