Длительность
5.5 месяцев

Формат
онлайн

Математика и Machine Learning для Data Science

Подробнее о программе

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.

Отправить заявку

Присоединитесь к новому потоку или начните учиться в удобное время

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

Deep
Learning

Python

Math&Stat

Machine
Learning

Data
Engineering

Менеджмент

Подробнее о полном курсе

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

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

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

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

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

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

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

Получите полную программу курса

Нажимая кнопку, я соглашаюсь с Положением о персональных данных и даю согласие на их обработку и хранение.

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

Стоимость

12 452 ₽/мес

6 565 ₽/мес

При рассрочке на 24 мес.
Первый платеж через месяц

-10%

132 452 ₽

105 600 ₽

С учетом дополнительной
скидки при полной оплате

-10%

Дополнительная скидка при оплате всей суммы сразу

Нажимая кнопку «Оплатить курс», я даю согласие на обработку моих персональных данных и соглашаюсь с Положением о порядке хранения и защиты персональных данных пользователей

Нажимая кнопку «Отправить заявку», я даю согласие на обработку моих персональных данных и соглашаюсь с Положением о порядке хранения и защиты персональных данных пользователей

Есть ли курсы лучше?

Есть. Наш флагманский курс – Профессия Data Scientist - научитесь использовать науку о данных, строить и тестировать математические модели. 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.

Выполните 10 реальных проектов и освойте фундаментальную профессию за два года на «Полном курсе по Data Science». А еще учитесь у лучших менторов, качайте скилы на тренажерах, участвуйте в хакатонах.