Курс

Машинное обучение

Курс для тех, кто хочет получить прикладной опыт создания работающих нейронных сетей вместо «обзора по верхам»
Закладываем фундамент для развития на уровне middle
Когда
11 сентября — 22 февраля
Формат обучения
онлайн
Уровень
продолжающие
5 месяцев
занятий и интенсивного общения с ведущими экспертами отрасли
6 проектов
практические задания и дипломная работа станут основой вашего портфолио
Диплом
документ установленного образца от известного онлайн-университета
140 000 ₽
средняя зарплата специалиста на junior-уровне (по данным hh.ru)
Развитие карьеры
помощь в составлении продающего резюме и подготовке к собеседованию
Machine learning — процесс обучения нейронных сетей выявлению закономерностей на основании подготовленных массивов данных. Работающие модели применяют везде: от тяжёлого машиностроения до майнинга криптовалют. Специалистов по глубокому обучению пока мало и они быстро находят себе интересные проекты.
~736 вакансий
для специалистов machine learning появляется каждую неделю (по данным hh.ru)

Чему вы научитесь на курсе

Формулировать задачу для data science-проекта
Выдвигать идеи и гипотезы и составлять план решения задачи
Подбирать алгоритмы и метрики под задачу для разных моделей
На примерах изучите основные алгоритмы и узнаете, в каких случаях их использовать
Строить модели машинного обучения с помощью библиотеки Sklearn
Рассмотрите примеры кода обучения, научитесь применять знания на практике
Оценивать качество моделей машинного обучения
Ознакомитесь с подходами предотвращения переобучения, изучите методы оценки
Интерпретировать результаты и составлять отчёт об исследовании
Научитесь сравнивать алгоритмы на готовых датасетах, определять методы улучшения качества

Программа курса

Построение модели
Узнаете, что такое библиотека Sklearn и как ею пользоваться. Изучите алгоритмы кластеризации и сможете строить ансамбли моделей. Научитесь оценивать модели и работать с переобучением. Узнаете, как использовать в работе GridSearch и RandomizedSearch, Model Specific CV, Out of Bag approach.
Узнаете, что такое библиотека Sklearn и как ею пользоваться. Изучите алгоритмы кластеризации и сможете строить ансамбли моделей. Научитесь оценивать модели и работать с переобучением. Узнаете, как использовать в работе GridSearch и RandomizedSearch, Model Specific CV, Out of Bag approach.
Библиотека Sklearn
Алгоритмы классификации: линейные методы, логистическая регрессия и SVM
Алгоритмы классификации: деревья решений
Алгоритмы регрессии: линейная и полиноминальная
Алгоритмы кластеризации
Ансамблирование
Оценка точности модели, переобучение, регуляризация
Улучшение качества модели
Организация проекта, составление отчётов по исследованиям
Лабораторная работа
Сдача промежуточного проекта
40 часов теории10 часов практики
Навыки, которые вы получите
реализация базовых алгоритмов машинного обучения с помощью библиотеки Sklearn
построение деревьев решений
построение модели логистической регрессии
использование Random Forest в задачах классификации
построение линейной и полиноминальной регрессии
использование алгоритмов кластеризации
использование кросс-валидации и регуляризации
Работа с заказчиком
Вы научитесь планировать разработку data science проектов, а также грамотно рассказывать заказчикам о результатах исследований.
Вы научитесь планировать разработку data science проектов, а также грамотно рассказывать заказчикам о результатах исследований.
Организация проекта
Составление отчётов по исследованиям
6 часов теории6 часов практики
Навыки, которые вы получите
владение методологией управления data-science проектами
выдвижение идей и гипотез понятными бизнесу словами
составление плана решения задачи
оценка болей и задач бизнеса
структурное отражение результатов работы
Рекомендательные системы
В этом и следующих блоках 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.
В этом и следующих блоках 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.
Введение и классификация рекомендательных систем
Content-based рекомендации
Collaborative Filtering
Неперсонализированные рекомендательные системы
Гибридные алгоритмы
12 часов теории8 часов практики
Навыки, которые вы получите
построение универсальной рекомендательной системы на основе содержания рекомендуемых объектов
построение user-based или item-based коллаборативной модели
построение production-scale рекомендательных моделей с помощью пакета implicit
построение рекомендательных систем, менее подверженных проблеме холодного старта
создание рекомендательных сервисов, отвечающих на запросы пользователей
Компьютерное зрение
Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов, а также научитесь строить нейросети.
Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов, а также научитесь строить нейросети.
Поиск по картинкам
Сегментация изображений, детекция объектов
Применение сверхточных нейронных сетей для задач сегментации и детекции
Применение рекуррентных сетей в задачах обработки изображений
Генеративные конкурирующие сети (GAN)
36 часов теории12 часов практики
Навыки, которые вы получите
сегментирование изображений
поиск похожих картинок по контенту
построение fine-tuning сетей
определение положения и формы объекта, отделение его от фона с помощью свёрточных нейросетей
распознавание текста на изображении
генерирование изображений
Обработка естественного языка (NLP)
Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты.
Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты.
Морфологический и синтаксический анализ

Методы снижения размерности в векторной модели. Информационный поиск
Тематическое моделирование (LSA, LDA, HDP)
Дистрибутивная семантика (word2vec, GloVe, AdaGram)
Счётные языковые модели и вероятностные языковые модели. LSTM. Машинный перевод
Генерация текстов (Natural Language Generation)
Задача классификации в АОТ
18 часов теории10 часов практики
Навыки, которые вы получите
вычисление частоты слов и определение части речи, классификация текстов
работа с деревьями зависимостей
обучение и визуализация тематических моделей и моделей дистрибутивной семантики
использование языковых моделей для генерации текстов
разработка простых чат-ботов
размещение данных на Яндекс.Толоке
Временные ряды
На этом интенсивном блоке вы научитесь выявлять происхождение и структуру временного ряда, прогнозировать будущие значения для эффективного принятия решений при построении моделей машинного обучения. Поймёте, что «под капотом» у популярных методик и библиотек.
На этом интенсивном блоке вы научитесь выявлять происхождение и структуру временного ряда, прогнозировать будущие значения для эффективного принятия решений при построении моделей машинного обучения. Поймёте, что «под капотом» у популярных методик и библиотек.
Алгоритмы обработки временных рядов
Модели ARIMA и GARCH
Марковские случайные процессы
8 часов теории8 часов практики
Навыки, которые вы получите
построение марковских моделей
прогнозирование значений временных рядов
выбор алгоритмов обработки временных рядов
Итоговый хакатон
Завершим обучение состязанием с товарищами по курсу: в составе миникоманды за ограниченное время и на основе датасетов крупных игроков рынка вам придётся решать задачи по прогнозированию продаж или оптимизации производства, задействуя все знания и навыки, полученные на курсе.
Интеграция и использование machine learning решений в бизнесе, как правило, подразумевает командную игру, поэтому хакатон полезен ещё и как тренировка необходимых soft skills.
Завершим обучение состязанием с товарищами по курсу: в составе миникоманды за ограниченное время и на основе датасетов крупных игроков рынка вам придётся решать задачи по прогнозированию продаж или оптимизации производства, задействуя все знания и навыки, полученные на курсе.
Интеграция и использование machine learning решений в бизнесе, как правило, подразумевает командную игру, поэтому хакатон полезен ещё и как тренировка необходимых soft skills.
8 часов практики
Дипломная работа
В рамках дипломного проекта 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, и т. д.
Если в моменте 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.
В рамках дипломного проекта 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, и т. д.
Если в моменте 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.
60 часов практики

Для кого этот курс

Разработчики
Аналитики
Математики
1
Разработчики
Курс даёт хорошую базу для перехода в новую область программирования. У вас появятся другие интересные задачи и возможность роста доходов.
2
Аналитики
Вы получите знания ведущих экспертов отрасли, в короткие сроки углубитесь в специализацию и выйдете на следующий уровень профессии.
3
Математики
Найдёте применение знаниям в математике и сможете перейти в новую сферу.

Эксперты

ЭКСПЕРТ программы
Вячеслав Мурашкин
Data Science Team Lead
Работал в компаниях Яндекс и Rambler&Co.
С развитием мобильных устройств и видеотехнологий задачи компьютерного зрения становятся особенно актуальными. Компьютерное зрение активно применяется в таких областях, как медицина, картография, поиск, видеонаблюдение и беспилотные автомобили.
С развитием мобильных устройств и видеотехнологий задачи компьютерного зрения становятся особенно актуальными. Компьютерное зрение активно применяется в таких областях, как медицина, картография, поиск, видеонаблюдение и беспилотные автомобили.
Никита Кузнецов
Руководитель команды диалогового движка в Сбербанк
Константин Башевой
Яндекс, аналитик-разработчик
Вячеслав Мурашкин
Яндекс, Руководитель исследовательской группы
Жанна Узалова
AJ Technology & Financial Group
Екатерина Артемова
Доцент Факультета компьютерных наук НИУ ВШЭ
Коточигов Константин
CleverDATA
Алексей Кузьмин
Директор разработки в ДомКлик.ру
Никита Кузнецов
Руководитель команды диалогового движка в Сбербанк
Запишитесь на курс и получите консультацию по программе обучения
75 000 ₽
полная стоимость курса
от 6 250 ₽ / месяц
оплата частями

Как проходит обучение

  • Занятия онлайн или в Кампусе
    Каждый из модулей программы можно проходить онлайн (вебинары или трансляции) или присоединиться к очной группе в московском Кампусе Нетологии на Бауманской.
    1
  • Практика
    Каждое занятие включает в себя практические задания, индивидуальные и командные. Также есть возможность оттачивать навыки на лабораторных занятиях и хакатоне.
    2
  • Общение с экспертами
    Эксперты курса, преподаватели и менторы всегда открыты для дополнительных вопросов: как в процессе обучения, так и после окончания программы.
    3
  • Карьерное консультирование
    Центр развития карьеры поможет с составлением резюме, подготовит к собеседованию, предложит вакансии и будет сопровождать на всех этапах поиска работы.
    4

Что нужно знать и уметь для успешного
обучения на программе

Владеть хотя бы одним языком программирования на уверенном уровне (лучше, если это будет Python).
Хорошо, если у студента есть математическая база.

Что вы получите в результате обучения

Специалист machine learning
Достигнутые результаты
Построена полносвязная нейросеть
Создан чат-бот для поиска авиабилетов
Построен классификатор изображений
Созданы рекомендательные системы для музыкального и киносайта
Создан готовый к внедрению ML-проект
Ключевые навыки
Сбор и подготовка данных для анализа

Создание нейросетей
Генерация текстов и изображений

Создание рекомендательных систем

Выбор и реализация алгоритма под задачу
Выбор и создание фич для модели
Инструменты, которые вы освоите
Scikit-learn
Базовая библиотека в Python для построения алгоритмов машинного обучения.
Вашу квалификацию подтвердят документы установленного образца

Стажировки и трудоустройство

Каждый выпускник получает помощь
и поддержку Центра развития карьеры
Помощь в подготовке резюме и прохождении собеседования
Консультация с HR-специалистом по поиску работы и развитию карьеры
Возможность прохождения стажировки в проектах «Нетологии-групп»: в Фоксфорде, Нетологии, EdMarket
Информирование о вакансиях, открытых в компаниях-партнёрах
Доступ к подборке видеокурсов по поиску работы и soft skills
Мы трудоустроили своих выпускников в компании
Оплатите сразу или получите консультацию
При оплате частями
6 250 ₽ / мес.
Одним платежом
75 000 ₽
У меня есть промокод
Сэкономьте еще 13%
Вы можете вернуть 13% денег через налоговый вычет. Спросите об этом менеджера, когда запишетесь на курс
Нажимая кнопку, принимаю условия политики и пользовательского соглашения
Как оплатить частями?
Мы предоставляем беспроцентный кредит от Сбербанка, Тинькофф или от Яндекс.Кассы. Вы разделите платеж и ничего не переплатите
Как оплатить от юрлица?
Запишитесь на курс от имени того, кто будет учиться, а затем выберите способ оплаты «По счету от юрлица»
Есть еще вопросы?
Звоните нам — 8 (800) 301-39-69
Мы используем файлы cookie
Чтобы улучшить работу сайта и предоставить вам больше возможностей для обучения. Продолжая использовать сайт, вы соглашаетесь с условиями использования файлов cookie.