Курс
Обучение Machine Learning
Изучите построение моделей машинного обучения на Python — от основ supervised и unsupervised learning до оценки и оптимизации моделей.
Для кого этот курс
Предназначен для слушателей, владеющих Python и базовой статистикой и желающих создавать модели машинного обучения для решения реальных задач прогнозирования. Подходит аналитикам данных, разработчикам, будущим Data Scientist, инженерам и специалистам, которые хотят перейти от анализа данных к интеллектуальным системам принятия решений.
Machine Learning позволяет компьютерам выявлять закономерности, строить прогнозы и поддерживать принятие решений на основе данных. Этот курс знакомит с современным машинным обучением с использованием Python и Scikit-learn, сочетая теорию с большим количеством практики. Вы изучите полный цикл разработки ML-моделей: подготовку данных, feature engineering, алгоритмы supervised и unsupervised learning, оценку моделей, feature selection, снижение размерности, hyperparameter tuning, ансамблевые методы и интерпретацию моделей. Работая с реальными наборами данных, вы научитесь сравнивать алгоритмы, оптимизировать качество моделей и разрабатывать практические ML-решения. Программа завершается полноценным проектом по прогнозному моделированию.
Чему вы научитесь
Основы Machine Learning, supervised и unsupervised learning.
Подготовка данных, feature engineering и feature selection.
Regression, classification, clustering и снижение размерности.
Оценка моделей, cross-validation, метрики качества и анализ ошибок.
Hyperparameter tuning, оптимизация pipeline и выбор моделей.
Ансамблевые методы
Bagging, Random Forest, Boosting, XGBoost и Stacking.
Интерпретация моделей и основы Explainable AI.
Практический проект по прогнозному моделированию на реальных наборах данных.
10 недель
