PYML: Введение в машинное обучение на Python: Повышение квалификации

Машинное обучение (Machine Learning) – это раздел искусственного интеллекта, изучающий математические, статистические и вычислительные методы для разработки алгоритмов, способных обучаться и решать задачи не прямым способом, а на основе поиска закономерностей в разнообразных входных данных....
IT: Для программистов и IT-специалистовIT: Для программистов и IT-специалистов / Программирование
Коммерсант логоКоммерсант
29 августа 2022
24 часа
Москва
Коммерсант
от 45 000 ₽

Анонс программы

Машинное обучение (Machine Learning) – это раздел искусственного интеллекта, изучающий математические, статистические и вычислительные методы для разработки алгоритмов, способных обучаться и решать задачи не прямым способом, а на основе поиска закономерностей в разнообразных входных данных. Решение вычисляется не по точно заданной формуле, а по установленной зависимости результатов от конкретного набора признаков и их значений.

Целевая аудитория

Для специалистов по аналитике данных, разработчиков и руководителей.

Преподаватель

Николай Комиссаренко

Описание Программы

  1. Место машинного обучения в области искусственного интеллекта
    • Теоретическая часть: основные понятия; классификация задач, решаемых с помощью методов машинного обучения; виды данных, понятие датасета.
    • Практическая часть: первичный анализ датасета, предобработка данных.
  2. Задачи классификации: бинарная и множественная классификация
    • Теоретическая часть: определение и примеры задач классификации. Математическое описание модели решающего дерева в задачи бинарной классификации. Метрики бинарной классификации.
    • Практическая часть: решение задач бинарной и множественной классификаций.
  3. Задачи регрессии
    • Теоретическая часть: определение и примеры задач регрессии. Математическое описание модели линейной регрессии. Метрики задач регрессии. Способы регуляризации.
    • Практическая часть: решение задачи регрессии.
  4. Задача кластеризации
    • Теоретическая часть: определение и примеры задач кластеризации. Математическое описание модели kNN. Связь кластеризации с понижением размерности пространства объектов датасета.
    • Практическая часть: решение задачи кластеризации и понижения размерности данных.
  5. Использование моделей машинного обучения в production
    • Теоретическая часть: сериализация/десериализация объектов в Python, фреймворк Flask.
    • Практическая часть: создание веб-сервиса на фреймворке Flask.

Соотношение теории к практике 50/50

Курс Введение в машинное обучение представляет собой прикладные основы Machine Learning, включая всю необходимую теорию и практику по этой области искусственного интеллекта. В программе рассмотрено место машинного обучения в современной науке о данных (Data Science) и изложены математические основы методов Machine Learning. Приведены базовые задачи, которые могут быть решены с помощью методов машинного обучения: классификация, кластеризация, регрессионный анализ. Большое внимание уделено практическому решению задач с использованием методов машинного обучения на языке Python.

На практике вы самостоятельно создадите, обработаете и проанализируете датасет, решив задачи регрессии, классификации и кластеризации, а также создадите собственный веб-сервис на базе модели машинного обучения. В результате освоения программы курса вы овладеете основными навыками Machine Learning, необходимыми для решения базовых задач в области искусственного интеллекта.

Успешно окончив курс "Введение в машинное обучение" в нашем лицензированном учебном центре, вы получите сертификат о повышении квалификации установленного образца.

Записаться на курс
PYML: Введение в машинное обучение на Python: Повышение квалификации
45 000
Заполните контактные данные
Оставьте заявку, чтобы забронировать себе место.
Наш менеджер свяжется с вами и ответит на любые ваши вопросы.
29 августа 2022
24 часа
Москва
Коммерсант
от 45 000 ₽
Как добраться?
Москва, Коммерсант