Курс по машинному обучению

Обучение Machine Learning с менторской поддержкой
Онлайн
из любой точки мира
24 марта
дата старта
12 недель
длительность курса
Пришло время заняться Machine Learning
С 2012 по 2019 годы количество вакансий специалистов по Data Science и машинного обучения выросло в 20 раз. Прямо сейчас стажеров и профессионалов ищут Яндекс, Mail.ru, Сбербанк, Райффайзенбанк, Росбанк, МТС, Tele2, ЦИАН, М-Видео, Северсталь и другие крупные компании.

Совместно с профи из российских Data Science компаний мы разработали курс Machine Learning, ориентированный на практику. Вы изучите принципы математических алгоритмов, современные библиотеки, feature engineering и оценку моделей. В конце обучения на курсе примените все изученные методы на финальном проекте и сможете собрать Git-репозиторий с решенными кейсами.

Скидка 30% на курс
Забронируйте курс по спеццене — со скидкой 30%!
Курс подойдет вам, если вы
Новичок
Вы начинающий Data Scientist, уверенно владеете Python, разбираетесь в математике и статистике. Вы сможете систематизировать и углубить полученные самостоятельно или на бесплатных курсах знания, пообщаться с профессионалами, применить модели Machine Learning на практике.
Программист
Вы программируете на Python и столкнулись с задачами машинного обучения в работе. На курсе вы освоите основные алгоритмы машинного обучения, обучите рекомендательную систему и на финальном хакатоне примените все полученные навыки Machine Learning на практике.
Аналитик
Вы аналитик со знанием Python, оперируете большим объемом данных и хотите погрузиться в Machine Learning. На курсе вы узнаете, какие задачи решает машинное обучение, примените
основные методы предобработки данных, научитесь валидировать данные и оценивать качество алгоритмов.
Партнер курса
Лучшие студенты курса получат возможность пройти стажировку в компании EORA
Из чего состоит курс
Курс включает в себя 10 модулей, более 500 упражнений на закрепление материала, обучение 10 алгоритмов машинного обучения, два хакатона на kaggle, чат с сообществом и поддержку менторов
Отработка навыков
Каждая тема разбирается в видео, скринкастах и конспектах и закрепляется десятками упражнений (тесты, дебаггинг кода, проверка кода студента)
Обучение моделей
На курсе по каждой теме вы работаете с моделью ML — файнтьюните, создаёте с нуля, оптимизируете, пробуете разные методы
Сообщество и ментор
На курсе вы не останетесь один на один с затруднениями — вам помогут не только ваши одногруппники, но и ментор курса. С такой поддержкой вы не бросите обучение на пол пути

Курс из специализации Data Science

Курс по Machine Learning
Data-driven management
Python
Math&Stat
Machine
Learning

Deep
Learning

Data
Engineering

Менеджмент
Преподаватели
Эмиль Магеррамов
COO Data Lab,
компания EORA
Антон Киселев
Head of R&D, компания EORA
Сергей Веренцов
CTO, компания EORA
Краткая программа курса
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
Получить полную программу курса
А также практические задачи, которые вы разберете на курсе
Компаниям
Если вы хотите повысить уровень квалификации программистов и решать амбициозные задачи, связанные с методами машинного обучения, – обратите внимание на курс Machine Learning. За 3 месяца мы даем не только знания, но формируем навыки работы с основными библиотеками и методами машинного обучения. Подробную программу и все необходимые документы можете получить, оставив заявку.
На курсе обучение не заканчивается
Сертификат о прохождении курса. При необходимости на английском языке.
Помощь с трудоустройством и стажировкой
10 Jupyter ноутбуков, много готового кода для работы
Тусовка специалистов и полезные знакомства
Среди наших студентов сотрудники компаний
Запишитесь на курс cо скидкой
Стоимость обучения
Если курс не подойдет, мы вернем вам деньги
currentPrice basePrice
priceComment
24 марта
дата старта
Онлайн
формат обучения
12 недель
длительность курса
Как получить курс дешевле?
Оплатите курс целиком
При оплате курса целиком вы экономите
10-20%
Обучение за счет работодателя
У нас есть возможность оплаты обучения работодателем. Для запроса документов заполните форму или напишите на почту
Реферальная программа
Вы можете получить скидку 20%, пригласив друзей на наши курсы.
Программы лояльности
После оплаты одного из курсов вы получаете скидку на другой курс
Быстрая оплата
Внесите предоплату 5000руб в течение 3х дней после регистрации и получите персональную дополнительную скидку.
Репост
Поделитесь ссылкой на курс у себя в соц.сетях и получите дополнительную скидку 5%
* Если хотите подробнее узнать про скидку, свяжитесь с менеджером
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 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.
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. 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.
Насколько это сложно
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.
Для кого этот курс
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.
Что потребуется для успешного обучения
Ноутбук с установленным Python. Около 6-8 часов в неделю, желание получить новые знания и готовность работать.
Я стану гуру машинного обучения?
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.
Чем вы лучше бесплатных курсов
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.
Это действительно востребовано?
Просто посмотрите статистику Data Science на русскоязычных и зарубежных кадровых сайтах