• /
  • /
  • /
  • /
Длительность
5.5 месяцев
Формат
онлайн

Математика и Machine Learning для Data Science

Старт
скоро
Уровень
с нуля
Чтобы быть крутым специалистом в Machine Learning, недостаточно просто разобраться в принципах работы классических моделей. Нужно быть универсальным специалистом и понимать, как именно все работает, и тут понадобится математика.

Сделайте свое резюме привлекательным
для крупных компаний

Каждый, кто начинает путь в Data Science, стремится когда-нибудь дорасти до уровня Senior. Но требования к специалистам такого уровня, особенно в крупных компаниях, очень высоки. Большинство соискателей не могут пройти собеседование.

Чтобы уверенно решать не типовые задачи и создавать собственные архитектуры, мало владеть основными методами машинного обучения и нейронных сетей: важно понимать законы математики и статистики у них «под капотом».

Мы объединили 2 важных курса: вы сможете изучить сначала математику, а затем научитесь строить модели машинного обучения, или пройти два курса параллельно и освоить новую профессию всего за 3 месяца.

Преимущества курса

Мы рассказываем о математике понятно. Наша цель — не сделать из вас специалиста по фундаментальный математике, но научить вас понимать законы математики для построения моделей.
Курс состоит по большей части из практики, которая не ограничивается решением классических уравнений и абстрактных заданий. Вы поймете, как знание математики и статистики работает в решении реальных жизненных задач в области анализа данных, прогнозирования и оптимизации.
Мы рассматриваем применение математических и статистических закономерностей в машинном обучении и нейронных сетях, чтобы вы в дальнейшем могли работать не только с типовыми моделями и архитектурами.
У нас есть не только сообщество единомышленников, с которыми вы можете обсудить затруднения и поделиться наболевшим, но и поддержка ментора, который поможет выйти из тупика. Вы не останетесь с трудностями один на один.
Курсы из специализации Data Science
Data-driven management
Python
Math&Stat
Machine
Learning

Deep
Learning

Data
Engineering

Менеджмент
Преподаватели
Эмиль Магеррамов
COO Data Lab,
компания EORA
Аяна Шелике
Преподаватель статистики и линейной алгебры МИЭФ ВШЭ
Выпускница мехмата МГУ
Антон Киселев
Head of R&D, компания EORA
Сергей Веренцов
CTO, компания EORA
Эмиль Богомолов
Инженер-исследователь в группе ADASE Сколтех

Программа курса по математике

Часть 1
Часть 1
Линейная алгебра
Изучаем вектора и виды матриц
Учимся проводить операции над матрицами
Определяем линейную зависимость с помощью матриц
Изучаем обратные, вырожденные и невырожденные матрицы
Изучаем системы линейных уравнений, собственные и комплексные числа
Осваиваем матричное и сингулярное разложение
Решаем задачи линейной зависимости с помощью матриц
Оптимизируем с помощью метода главных компонент
Закрепляем математические основы линейной регрессии
Часть 2
Часть 2
Основы матанализа
Изучаем функции одной и многих переменных и производные
Осваиваем понятие градиента и градиентного спуска
Тренируемся в задачах оптимизации
Изучаем метод множителей Лагранжа, метод Ньютона и имитацию отжига
Решаем задачи предсказания и поиска выигрышной стратегии с помощью производных и численных методов оптимизации
Закрепляем математические основы градиентного спуска и имитации отжига
Часть 3
Часть 3
Основы теории вероятности и статистики
Изучаем общие понятия описательной и математической статистики
Осваиваем комбинаторику
Изучаем основные типы распределений и корреляции
Разбираемся в теореме Байеса
Изучаем наивный байесовский классификатор
Решаем задачи комбинаторики, валидности и прогнозирования методами статистики и теории вероятности
Закрепляем математические основы классификации и логистической регрессии
Часть 4
Часть 4
Временные ряды и прочие математические методы
Знакомимся с анализом временных рядов
Осваиваем более сложные типы регрессий
Прогнозируем бюджет с помощью временных рядов
Закрепляем математические основы классических моделей машинного обучения

Краткая программа курса по Machine Learning

Помощь наставника на протяжении обучения
Модуль 1
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
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
Модуль 3
Регрессия
Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии
Решаем 40+ задач на закрепление темы
Модуль 4
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
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
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
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
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
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
Модуль 10
Финальный хакатон
Применяем все изученные методы для получения максимальной точности предсказаний модели на Kaggle
Получите полную программу курса
Get a free lesson
Just type your contacts
It's totally free

Как проходит обучение

Изучаете подготовительный материал
Вы сможете проходить обучение из любой точки планеты. Новые модули будут открываться раз в неделю. Специально разработанный контент и дополнительные материалы помогут разобраться в теме.
Выполняете практические задания
Практика состоит из трех частей: выполнения простых упражнений на вычисления; выполнения упражнений на базе Python; решения жизненных задач из области анализа данных, прогнозирования и оптимизации.
Общаетесь с однокурсниками и получаете фидбэк ментора
Вы будете постоянно общаться со своими сокурсниками в закрытых каналах в Slack. Если вы что-то не поймете или не справитесь с задачей — мы поможем разобраться.
Сдаете выпускной экзамен
В конце курса вас ждет специальное задание, в котором вы сможете применить все полученные навыки и подтвердить успешное изучение материала.
На курсе обучение не заканчивается

Сертификат о прохождении курса
Консультация по дальнейшему развитию
Много готовых решений для использования на практике
Чат выпускников и полезные знакомства


Запишитесь на курс
Курс стартует: скоро
Осталось 6 мест
Стоимость обучения
Можно в рассрочку на 12 месяцев. Банки партнеры:
47 900
р
79 900 р
-40%
до конца месяца
У меня есть промокод
В честь акции дарим 14-недельный курс

«Soft Skills для digital-менеджеров»
Все, кто купит любой курс SkillFactory, получат в подарок бесплатный доступ еще к одному, на котором вас научат управлять командой и своим тайм-менеджментом, противостоять рабочему стрессу и делать так, чтобы вас слушали.
Есть ли курсы лучше?
Есть. Наш флагманский курс – Профессия Data Scientist. Да, он дольше и дороже, чем этот. Но зато математика и Machine Learning 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.
Как получить скидку на обучение?
Обучение за счет работодателя
Для запроса документов забронируйте курс через форму и выберите пункт «Оплатить как юрлицо» или напишите на почту info@skillfactory.ru.
Реферальная программа
Вы можете получить скидку 20%, пригласив друзей на наши курсы.
Программы лояльности
После оплаты одного из курсов вы получаете скидку на другой.
Репост
Поделитесь ссылкой у себя в соцсетях и получите дополнительную скидку 5%.
* Если хотите подробнее узнать про скидку, свяжитесь с менеджером
Среди наших студентов сотрудники компаний