Машинное обучение на Python

Курс по основам машинного обучения для специалистов по аналитике данных, разработчиков и руководителей, которые хотят освоить базовые понятия Machine Lerning.

Данный курс является введением в тематику машинного обучения. В курсе будет рассказано о месте машинного обучения в области искусственного интеллекта, изложены математические основы методов машинного обучения, сформулированы базовые задачи, которые могут быть решены с помощью методов машинного обучения. Большое внимание в курсе уделено практическому решению задач с использованием методов машинного обучения на языке Python. По окончанию курса вы овладеете основными навыками, необходимыми для решения базовых задач в области искусственного интеллекта.

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.

На практике машинное обучение широко применяется в широком спектре исследовательских и прикладных задач:

прогнозирование событий и ситуационный анализ, например, отток клиентов в ритейле или заблаговременное предсказание поломок промышленного оборудования;
распознавание образов (изображений, лиц, голоса и т.д.);
классификация образцов, в частности, рентгеновских снимков для постановки диагноза;
выявление мошеннических операций (антифрод-системы в банках и cybersecurity).

Как именно Machine Learning можно использовать для конкретных бизнес-кейсов, вы узнаете в рамках нашего образовательного курса «Введение в машинное обучение».

Целевая аудитория

Специалисты по работе с большими данными, разработчики, руководители, желающие понять принципы функционирования методов машинного обучения и получить практический навык построения базовых моделей.

Предварительная подготовка

Опыт программирования
Прохождение онлайн-курса FUNP «Основы языка Python для анализа данных и решения задач машинного обучения»

Программа курса

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. Классификация, деревья, случайный лес

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. Линейные модели для классификации и регрессии

Теоретическая часть: определение и примеры задач регрессии. Математическое описание модели линейной регрессии. Метрики задач регрессии. Способы регуляризации.
Практическая часть: решение задачи регрессии.

4. Кластеризация и снижение размерности

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. Решение ml-задачи на текстовых данных

Теоретическая часть: введение в NLP, обработка текстовых данных, векторные представления текста.
Практическая часть: решение задачи классификации на текстовом корпусе.