Практический Machine Learning
С нуля до специалиста Data Science за 16 недель. Получите подробную программу и план обучения на почту!
Онлайн
из любой точки мира
от 3 до 5 месяцев
средняя длительность прохождения курса

оценка курса — 4,5 (513 студентов)
Сейчас лучшее время для старта карьеры в области 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
На курсе вы получите
Качественный материал
Бесплатного материала много, но мы собрали только то, что понадобится вам для обработки больших массивов данных, работы с API аналитических систем, построения «дэшбордов»
Проработанные темы
Наш курс учит ровно тем навыкам, которые нужны аналитикам, разработчикам, продакт-менеджерам и всем, кто хочет серьезно развиваться в области машинного обучения
Максимум практики
Минимум теории, максимум практики. уже с первых занятий вы начнете строить собственные модели машинного обучения
Реальные примеры задач
Для практики используются реальные задачи, которые решают data scientist'ы
Группа единомышленников
Обучение проходит в группе и вы всегда сможете попросить о помощи у коллег
Поддержка автора курса
На протяжении всего обучения у вас будет поддержка автора и куратора курса. Вы сможете получить ответ на любой вопрос
После прохождения онлайн-курса "Практический Machine Learning" наши выпускники получили предложения от компаний
Преподаватели
Петр Ермаков
Senior Data Scientist, Lamoda
Преподаватель курса: Практический Machine Learning
«Теоретических сведений по машинному обучению много. Можно утонуть в этом всём и стать классным теоретиком. На курсе мы делаем упор на практику и только потом переходим к теории.

Я начал заниматься машинным обучением еще в институте, изначально это было моим хобби. Потом оно стало отъедать все больше времени, пока полностью не стало моей профессией.

Машинное обучение — это стык математики, задач оптимизаций и программирования, поэтому это очень интересно! Всегда можно придумать что-то свое или использовать инструменты, которые уже придуманы. И моя цель вас этому научить.»

Александр Петров
Старший разработчик в Amazon (живет и работает в Шотландии, г. Эдинбург)
Преподаватель курса: Введение в Machine Learning
«Курсов по машинному обучению много, однако они содержат много фундаментальных основ. Это безусловно важно для профессионального овладения дисциплиной, однако студенты лишаются возможности "попробовать" технологии в действии не тратя много сил на вспоминание университетской математики.

Мы решили строить наш курс другим способом: мы начинаем от практических задач, рассказываем про инструменты и методы решения задач. Мы рассчитываем на то, что наш курс будет первым шагом на сложной дороге освоения data science, и даем возможность его пройти не затрачивая огромных усилий.»
Наша программа подходит всем
Программа включает 3 образовательных блока, которые проведут вас от основ Machine Learning к созданию моделей машинного обучения
Введение в ML


1-й блок
  • Знакомство с курсом и преподавателем
    Создадите первую модель машинного обучения: Дерево принятия решений
  • Изучите основные модели машинного обучения: регрессия, классификация, явление переобучения, ансамбли деревьев
  • Узнаете зачем нужны тренировочная, валидационная и тестовая выборки, кросс-валидация и скользящий контроль, гиперпараметры и их подбор
  • Поймете как работает нейросеть, какие задачи решает глубокое обучение
Python Start


2-й блок
  • Устанавливаем Python: Anaconda и Jupyter notebook
  • Основной синтаксис и типы данных
  • Тип задач маркетинга, SEO, SMM и других областей, решаемых с Python
  • Инструменты Python для выгрузки и обработки данных, построения отчет
Практический ML


3-й блок
  • Сможете уверенно использовать Python и Pandas для прохождения курса и боевых задач
  • Вы научитесь применять различные алгоритмы машинного обучения: классификация, регрессии, работа с данными, текстами и другими моделями. Подбирать и настраивать модели под конкретную задачу на Python
  • Освоите тонкости применения машинного обучения в реальном бизнесе. Создадите http api-модель, освоите автоматическое переобучения модели и мониторинг результатов.
  • Сможете генерировать гипотезы, работать в команде и в условиях жестких дедлайнов
  • Создадите MVP реальной модели, которую можно запускать в продакшн
Стоимость подписки на курс 8900₽/месяц

В среднем студенты проходят курс в течение 3-5 месяцев


При оплате за несколько месяцев сразу действует скидка!
Что дает подписка?
Безлимитный доступ к контенту
Поддержка на весь период подписки
Возможность проходить курс в своем темпе
2
курса для любого уровня
513
Выпускника
4,5
Средняя оценка курса студентами
9
Потоков студентов прошли обучение
Отзывы о курсе
"Курс понравился большим количеством практических материалов и задач. Это как раз то, чего мне не хватало.
Также понравилось, что домашние задачи сделаны на реальных данных в виде проектов и соревнований."
"В целом отличный курс. Дает представление о предмете изучения, не демотивирует излишней сложностью. Получаешь навык, благодаря которому можешь взять и собрать свое собственное приложение с машинным обучением под капотом.
Очень хорошо подобраны темы для изучения, понравилось содержание лекционного материала."
Александр
"Курс дал великолепный буст по знаниям в области машинного обучения. Понравилось, что были показаны некоторые более сложные направления и показаны направления куда можно развиваться для получения более высоких достижений в этой области."
Получить программу
Заполнение формы ни к чему вас не обязывает. Письмо обычно приходит на почту через 5 минут.
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 чате

Для курса создается сообщество. 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
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 изучить на курсе "Введение в ML".
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
Для вас подойдет наш курс "Введение в ML". Он создан для тех, кто хочет освоить новую профессию с нуля.
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, Lamoda, Zeptolab, Amazon.com, НИУ ВШЭ 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.
Получите подробную программу и план обучения на почту
С нуля до специалиста Data Science за 16 недель
Вернем деньги, если вы не найдете курс полезным