Машинное обучение

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. 

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.

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.

Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов. Научитесь строить нейросети.

Освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск. Научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты.

Научитесь планировать разработку проектов data science и решение задачи. Сможете грамотно презентовать заказчикам результаты исследований.

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.