Question 1

Что такое машинное обучение и в чем его польза? Отрасли применения

Accepted Answer

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 весь многолетний опыт риэлтора, переданный программе, 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. 5. По факту, области применения машинного обучения практически безграничны: от контроля качества товаров до диагностики оборудования на производстве, от продаж до аналитики, от повышения персонализации до аудита. Вы сможете использовать возможности алгоритмов практически в любой сфере.

Question 2

Зачем это мне?

Accepted Answer

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. Тем не менее, востребованы только хорошо подготовленные специалисты. Наш курс поможет войти в их число и укажет вектор к дальнейшему развитию. А еще владение методами машинного обучения поможет вам совершить рывок в текущей области или собственном бизнесе: об этом мы написали в разделе выше. Возможности машинного обучения практически безграничны и поражают воображение.

Question 3

Насколько это сложно

Accepted Answer

Машинное обучение — это новое электричество, для которого нужны инженеры, а не ученые. Чтобы освоить машинное обучение, не нужно быть программистом от бога или иметь ученую степень по информатике. Тем не менее, уверенное владение основами языка Python и библиотеками Pandas и NumPy, а также основными представлениями в линейной алгебре, матанализе и статистике вам понадобится, чтобы получить максимум пользы от курса. Если вы не уверены в своих знаниях в этих областях — рекомендуем пройти наш курс-тренажер Python для анализа данных, а также курс Математика и статистика для Data Science. С этим багажом вы сможете уверенно приступить к освоению машинного обучения. Всему остальному мы научим на курсе.

Question 4

Для кого этот курс

Accepted Answer

Курс предназначен для аналитиков, разработчиков, технических специалистов, product-менеджеров и всех, кто хочет освоить профессию Data Scientist или использовать возможности машинного обучения в своей работе или бизнесе. Участники научатся решать конкретные бизнес-задачи и работать с данными с помощью машинного обучения.

Question 5

Что потребуется для успешного обучения

Accepted Answer

Ноутбук с установленным Python. Около 6-8 часов в неделю, желание получить новые знания и готовность работать.

Question 6

Я стану гуру машинного обучения?

Accepted Answer

Путь Data Scientist — долгий, и требует постоянного совершенствования и значительной практики. Мы дадим вам уверенную подготовку, понимание общих принципов обучения алгоритмов, базирующихся на математике и статистике, и их реализации в жизни. Расскажем, где еще вы можете расширить свои знания и прокачать навыки. Дадим совет, как подать себя на собеседованиях, а лучших студентов пригласим на стажировку в компанию EORA. Дальше всё будет зависеть от вас.

Question 7

Чем вы лучше бесплатных курсов

Accepted Answer

Наш курс не отменяет прохождения бесплатных онлайн-курсов. Напротив, онлайн-курсы — это очень хорошо и полезно, и мы рекомендуем студентам проходить другие курсы параллельно с нашими (если останется время) или после наших, чтобы получить как можно больше знаний о сфере с разных точек зрения и упрочить своё понимание. Но у наших курсов есть неоспоримые преимущества: фокус на практике, помощь преподавателя и поддержка группы. Вы будете изучать все аспекты машинного обучения на практике. Вместе с опытными data scientist'ами с опытом работы с различными заказчиками вы пройдете все этапы проекта по машинному обучению: загрузка и очистка данных, выбор модели, разделение на основную и контрольную выборку, «тюнинг» модели, оценка качества и многое другое. Каждое занятие будет сопровождаться множеством упражнений, которые закрепят ваше понимание теоретических аспектов и позволят потренироваться в написании кода, а также специальным 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). Если вы столкнетесь с проблемой при выполнения задания, вам всегда будет, к кому обратиться: вы сможете получить совет от одногруппников и помощь преподавателя в закрытом сообществе в Slack. Мы очень много внимания уделяем сообществу и поддержке на наших курсах, и, по нашей статистике, это значительно влияет на прогресс студентов: меньше участников 'ломается' в процессе и забрасывает обучение.

Question 8

Это действительно востребовано?

Accepted Answer

Просто посмотрите статистику Data Science на русскоязычных и зарубежных кадровых сайтах

Question 9

Есть ли курсы лучше?

Accepted Answer

Есть. Наш флагманский курс – Профессия Data Scientist. Да, он дольше и дороже, чем этот. Но зато машинное обучение там подается в связке со всеми другими темами по Data Science. С ним вы станете уверенным специалистом на рынке и, более того, сразу Middle-уровня. Рекомендуем.

Question 10

Что нужно знать для машинного обучения?

Accepted Answer

Чтобы стать ML-специалистом, нужно, например, освоить программу курса по машинному обучению от Skillfactory:

Модуль 1
Введение в машинное обучение
— Знакомимся с основными задачами и методами Machine Learning, изучаем практические кейсы и применяем базовый алгоритм работы над ML-проектом.
— Решаем 50+ задач на закрепление темы.

Модуль 2
Методы предобработки данных
— Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering.
— Решаем 60+ задач на закрепление темы.

Модуль 3
Регрессия
— Изучаем типы данных, учимся очищать и обогащать данные, осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию.
— Обучаем модели регрессии.
 — Решаем 40+ задач на закрепление темы.

Модуль 4
Кластеризация
— Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML.
 — Решаем 50+ задач на закрепление темы.

Модуль 5
Tree-based-алгоритмы: введение в деревья
— Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки Sklearn и используем деревья для решения задачи регрессии.
 — Решаем 40+ задач на закрепление темы.

Модуль 6
Tree-based-алгоритмы: ансамбли
— Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии.
 — Решаем 40+ задач на закрепление темы.
 — Участвуем в соревновании на Kaggle по обучению tree-based-модели.

Модуль 7
Оценка качества алгоритмов
— Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения.
 — Оцениваем качество нескольких моделей ML.
 — Решаем 40+ задач на закрепление темы.

Модуль 8
Временные ряды в машинном обучении
— Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров.
 — Решаем 50+ задач на закрепление темы.

Модуль 9
Рекомендательные системы
— Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели.
 — Решаем 50+ задач на закрепление темы.

Модуль 10
Финальный хакатон
— Применяем все изученные методы для получения максимальной точности предсказаний модели на Kaggle.

Question 11

Почему Python лучше для машинного обучения?

Accepted Answer

Язык Python прост в изучении, на нем несложно писать код — это упрощает создание моделей для машинного обучения. Благодаря большому количеству библиотек и фреймворков Python специалисты экономят время и работают быстрее.

Question 12

Сколько зарабатывает ML-инженер?

Accepted Answer

По данным hh.ru, средняя зарплата ML-инженера с опытом 1–3 года начинается от 180 000 ₽.

Question 13

Какие знания нужны для машинного обучения?

Accepted Answer

ML-инженер должен знать математический анализ, линейную алгебру и статистику, основы машинного обучения. Понимать, как работают нейросети. Уметь программировать на Python.

Question 14

Нужно ли знать математику для машинного обучения?

Accepted Answer

Да, ML-инженер должен знать математический анализ и линейную алгебру.

Question 15

Какие бывают виды машинного обучения?

Accepted Answer

Обучение с учителем (supervised learning);
Обучение без учителя (unsupervised learning);
Обучение с подкреплением (reinforcement learning).

Курс по машинному обучению

Курс по машинному обучению с нуля

Актуальные курсы, которые вам подойдут

Пришло время заняться Machine Learning

Медианная зарплата специалиста по машинному обучению

Курс подойдет вам, если вы:

Новичок

Программист

Аналитик

Партнер курса

Из чего состоит курс

Отработка навыков

Сообщество и ментор

Обучение моделей

Специализация Data Science состоит из курсов

Преподаватели и авторы

Эмиль Магеррамов

Антон Киселев

Веренцов Сергей

Эмиль Богомолов

Программа курса «Машинное обучение»

Введение в машинное обучение

Методы предобработки данных

Регрессия

Кластеризация

Tree-based алгоритмы: введение в деревья

Tree-based алгоритмы: ансамбли

Оценка качества алгоритмов

Временные ряды в машинном обучении

Рекомендательные системы

Финальный хакатон

Компаниям

На курсе обучение не заканчивается

Наши студенты работают в компаниях

Актуальные курсы, которые вам подойдут

Как получить скидку?

Отзывы студентов школы