Путь к странице
Основы машинного обучения
Начало занятий: гибкие сроки
Срок обучения: 11 недель
Выдаваемый документ: Сертификат не выдаётся

  • Количество зачетных единиц курса может варьироваться от 1,5 до 4 в зависимости от образовательной программы вуза-партнера, выбравшего курс.
  • График курса устанавливается по запросу вуза-партнера.
  • Курс подходит для реализации программ смешанного обучения.

О курсе

Курс посвящён основам анализа данных и машинного обучения. По результатам слушатели освоят способы предобработки и визуализации данных, изучат основные методы машинного обучения (линейные, метрические, решающие деревья и их композиции), научатся оценивать качество моделей. Курс пригодится всем, кто хочет «с нуля» погрузиться в область машинного обучения, получить первые практические навыки и начать применять их для решения собственных задач по извлечению пользы из данных.

Курс посвящён основам анализа данных и машинного обучения. По результатам слушатели освоят способы предобработки и визуализации данных, изучат основные методы машинного обучения (линейные, метрические, решающие деревья и их композиции), научатся оценивать качество моделей. Практика проходит на языке Python и основана на библиотеках pandas, matplotlib, scikit-learn. Для успешного прохождения курса  требуются знания математики на уровне школьных курсов, а также навыки программирования на Python. Контроль на курсе представлен в виде заданий на программирования, заданий на построение выводов (проверяются с помощью взаимного оценивания), а также тестов на знание теоретического материала.

Формат

Курс состоит из 11 недель, каждая включает в себя несколько коротких видеолекций (суммарная продолжительность — от 60 до 90 минут), тест на знание теоретического материала (5-15 вопросов), а также тест, включающий в себя выполнение задания по программированию. На некоторых неделях задание по программированию заменено заданием на взаимное оценивание. В конце курса предусмотрен итоговый экзамен, состоящий из тестов.

Информационные ресурсы

Python, библиотеки  numpy, pandas, matplotlib, seaborn, scikit-learn

Требования

Освоение школьного курса математики, навыки программирования на Python


Трудоёмкость: 4 зачетных единицы
Направление подготовки: Информационные технологии
Авторы курса: Соколов Е.А., Старший преподаватель факультета компьютерных наук, Департамент больших данных и информационного поиска