Курс
Получите прикладной опыт создания моделей машинного обучения
Сможете обучать нейронные сети
Заложите фундамент для перехода на middle-уровень в сфере Data Science
Когда
23 марта 2026 — 17 января 2027
Длительность
10 месяцев
Карьера
Поможем найти стажировку или работу
Документ
Диплом о профессиональной переподготовке
Меняемся вместе с погодой
Цена уже со скидкой. Оплатите курс до 17 марта, чтобы сохранить выгоду.
Это процесс создания статистических моделей для нахождения закономерностей на основе подготовленных массивов данных.
Работающие модели применяют везде: от тяжёлого машиностроения до рекламы и ритейла
Специалисты по машинному обучению востребованы, новые вакансии появляются каждый день. Найти для себя интересный проект можно в любой сфере.
Чтобы пройти курс, нужно уверенно владеть языком программирования Python и дружить с математикой
Подтянуть Python и вспомнить математику можно на наших курсах: «Python для анализа данных» и «Математика для анализа данных».
Разработчикам
Освоите базу для перехода в другую область программирования. У вас появятся новые интересные задачи и возможность увеличить доход
Аналитикам
Получите знания ведущих экспертов отрасли, в короткие сроки углубитесь в специализацию и выйдете на следующий уровень в профессии
Начинающим ML-специалистам
Научитесь обрабатывать данные, строить различные модели машинного обучения и нейронных сетей. Знания помогут найти работу по душе
Формулировать задачу для data science проекта
Научитесь выдвигать идеи и гипотезы и составлять план решения задачи
124 часа теории и 131 час практики
● Программа повышения квалификации
● Занятия проходят по расписанию не чаще 2 раз в неделю после 19:00 МСК
● На лекции и практические задания понадобится 8-10 часов в неделю
● Записи вебинаров, видеолекции и другие полезные материалы хранятся в личном кабинете
Работа с признаками и построение моделей
Научитесь строить основные модели машинного обучения. Узнаете, как работать с деревьями решений, с логистической, линейной регрессией, строить ансамбли моделей. Узнаете, как работать с «грязными» данными и оценивать качество моделей.
40 часов теории
35 часов практики
Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия
Классификация. Логистическая регрессия и SVM
Функции потерь и оптимизация
Оценка точности модели, переобучение, регуляризация
Проблема качества данных
Работа с пропусками
Работа с переменными
Деревья решений
Ансамблирование
Поиск выбросов и генерация новых признаков
Feature Selection
Метрики близости. Работа с текстовыми данными. Наивный Байес
Алгоритмы кластеризации
Улучшение качества модели
Введение в нейронные сети
Научитесь строить простые полносвязные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования нейронных сетей в блоках CV и NLP.
13 часов теории
3 часа практики
Введение в нейронные сети и библиотеку Keras
Углубление в нейронные сети и библиотеку Keras
Введение в свёрточные нейронные сети
Введение в рекуррентные нейронные сети
Дополнительные темы нейронных сетей
Рекомендательные системы
Вы будете применять полученные знания в разных областях машинного обучения. Во время этого блока научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их.
13 часов теории
16 часов практики
Введение и классификация рекомендательных систем
Рекомендации на основе содержания
Коллаборативная фильтрация
Рекомендации на основе скрытых факторов
Гибридные алгоритмы
Оценка качества рекомендательных систем
Этические аспекты и справедливость
Hands-on проект: построй свою рекомендательную систему
Изучите элементарные алгоритмы обработки временных рядов, модели ARIMA, GARCH и прогнозирование значений на их основе. Узнаете, что такое марковские случайные процессы и марковские модели для временных рядов. Научитесь выявлять происхождение и структуру временного ряда, прогнозировать будущие значения для эффективного принятия решений при построении моделей машинного обучения. Поймёте, что скрыто «под капотом» популярных методик и библиотек.
22 часа теории
16 часов практики
Знакомство с временными рядами
Элементарные методы анализа временных рядов
Модели ARIMA, GARCH
Модели авторегрессии условной гетероскедастичности
Сингулярный спектральный анализ
Случайные марковские процессы
Нейронные сети в анализе временных рядов
Поиск изменений во временном ряде
Компьютерное зрение
Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов. Научитесь строить нейросети.
19 часа теории
9 часов практики
Введение в компьютерное зрение
Выделение признаков и поиск похожих изображений
Сегментация и детекция объектов
Свёрточные нейронные сети
Обучение свёрточной сети на практике
Задачи детекции и сегментации
Рекуррентные нейронные сети в задачах компьютерного зрения (Image Captioning)
Порождающие модели
Другие задачи компьютерного зрения
Обработка естественного языка (NLP)
Освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск. Научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты.
14 час теории
12 часов практики
Введение в автоматическую обработку текста
Структура слова. Морфология
Тематическое моделирование
Словари. Подкрепление знаний
Дистрибутивная семантика
Языковые модели
Классификация в АОТ
Модели seq2seq. Attention
Информационный поиск
Извлечение информации
Синтаксический анализ
Transformers. BERT
Научитесь планировать разработку проектов data science и решение задачи. Сможете грамотно презентовать заказчикам результаты исследований.
3 часа теории
5 часов практики
Требования в DS-проектах
Методология ведения DS-проектов
Разработка отчётов по исследованию
Сохранение результатов эксперимента
Дипломный проект
Вы построите ML-модель для решения своих текущих профессиональных задач: это может быть система прогнозирования продаж, распознавание объектов на фото или видео, анализ временных рядов, анализ больших объёмов текста.
Если у вас нет идей для своего проекта или доступа к необходимым данным, мы предложим вам учебный кейс в интересной вам области на основе реального датасета других компаний.
Дипломная работа выполняется самостоятельно под руководством экспертов курса и позволяет закрепить весь спектр знаний и навыков, полученных на программе.
40 часов практики
Как проходит обучение
Все уроки теперь и в мобильном приложении
Мы разработали платформу для смартфонов, чтобы вы могли учиться в спортзале, самолёте, на даче или в пути.
Учитесь, где нравится
Доступ к учебным материалам всегда под рукой: это экономит ваши ресурсы
Занимайтесь даже без интернета
Можно скачать материалы на телефон и учиться даже там, где плохая связь
Получайте подсказки по дедлайнам
Приложение работает как помощник: напомнит про домашнюю работу или вебинар
Загружайте задания с телефона
Удобно отслеживать статус практических работ и отвечать на комментарии преподавателя
Специалист machine learning
Ключевые навыки
Очистка данных
Выбор моделей машинного обучения
Создание нейросетей
Выбор и создание фич для модели
Освоенные инструменты
Scikit-learn
Scikit-learn
Базовая библиотека в Python для построения алгоритмов машинного обучения
OpenCV
OpenCV
Библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом. Мы будем использовать её на Python
NLTK
NLTK
Набор библиотек и программ Python для символьной и статистической обработки естественного языка
Pandas
Pandas
Наиболее продвинутая и быстроразвивающаяся библиотека для обработки и анализа данных в Python
Keras
Keras
Открытая библиотека на языке Python для создания нейросетей
Мы обучаем по государственной лицензии и выдаём документы установленного образца.
Предложение для компаний
Вы можете обучить сотрудников на этом курсе. Адаптируем программу под ваш бизнес и предоставим отчёты об успеваемости. При обучении сразу нескольких сотрудников — более выгодная стоимость.
Оставьте заявку, и мы вышлем вам индивидуальное предложение.
Вернём деньги
В течение первых трёх занятий вернём вам полную сумму, а начиная с четвёртого — рассчитаем сумму возврата или поможем выбрать другой курс взамен. Читать условия
Поможем оформить налоговый вычет — 13%
Вы можете получить вычет в течение трёх лет после даты оплаты обучения, если работаете официально и платите подоходный налог
Поменяем программу обучения
Если сомневаетесь или вам не подошла профессия — можете выбрать другую. Сменить курс можно один раз в процессе обучения
Меняемся вместе с погодой
Цена уже со скидкой. Оплатите курс до 17 марта, чтобы сохранить выгоду.
1Запись на обучение
2Выбор способа оплаты
3Оплата
...
Частями без переплат
2 481 ₽/месяц
4 136 ₽ на 24 месяца
Одним платежом
со скидкой 10%
53 600
₽99 268 ₽
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
10 месяцев обучения, старт 23 марта
Машинное обучение: фундаментальные инструменты и практики
Частями без переплат
2 481 ₽/месяц
4 136 ₽ на 24 месяца
Одним платежом
со скидкой 10%
53 600
₽99 268 ₽
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
Запишитесь или получите консультацию
Как оформить рассрочку, какие условия предоставления рассрочки?
Рассрочку без переплат можно оформить через Сбер, Т-Банк и другие банки-партнёры на сроки от 6 до 36 месяцев. Решение о предоставлении рассрочки принимает банк.
Что такое оплата частями?
Оплата частями — сервис, который помогает разбить стоимость покупки на равные части и выплачивать их в течение нескольких месяцев (от 2 до 24). Покупателю не нужно заключать кредитный договор. При использовании этого сервиса возможна переплата.
Развивайте профессиональные навыки в онлайн-формате
