Machine Learning. Professional от Otus
Программа курса
Ознакомьтесь с программой курса «Machine Learning. Professional» от Otus
Модуль 1. Продвинутые методы машинного обучения
-
Тема 1. Вводный урок. Программа курса. Повторение основных концепций машинного обучения
-
Тема 2. Повторение основных понятий задачи классификации на практике: EDA, cross-validation, метрики качества
-
Тема 3. Деревья решений
-
Тема 4. Ансамбли моделей
-
Тема 5. Градиентный бустинг
-
Тема 6. Метод опорных векторов
-
Тема 7. Методы уменьшения размерности
-
Тема 8. Обучение без учителя. K-means
-
Тема 9. Обучение без учителя. Иерархическая кластеризация. DB-Scan
-
Тема 10. Поиск аномалий в данных
-
Тема 11. Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей
-
Тема 12. Алгоритмы на графах
Модуль 2. Сбор данных. Анализ текстовых данных
-
Тема 13. Сбор данных
-
Тема 14. Анализ текстовых данных. Часть 1: Предобработка и токенизация
-
Тема 15. Анализ текстовых данных. Часть 2: Векторные представления слов, работа с предобученными эмбеддингами
-
Тема 16. Анализ текстовых данных. Часть 3: Named Entity Recognition
-
Тема 17. Анализ текстовых данных. Часть 4: Тематическое моделирование
-
Тема 18. Q&A
Модуль 3. Анализ временных рядов
-
Тема 19. Анализ временных рядов. Часть 1: Постановка задачи, простейшие методы. ARIMA-модель
-
Тема 20. Анализ временных рядов. Часть 2: Извлечение признаков и применение моделей машинного обучения. Автоматическое прогнозирование
-
Тема 21. Анализ временных рядов Часть 3: Кластеризация временных рядов (ищем связанные котировки акций)
Модуль 4. Рекомендательные системы
-
Тема 22. Рекомендательные системы. Часть 1: Постановка задачи, метрики качества. Коллаборативная фильтрация. Холодный старт
-
Тема 23. Рекомендательные системы. Часть 2: Контентная фильтрация, гибридные подходы. Ассоциативные правила
-
Тема 24. Рекомендательные системы. Часть 3: Implicit feedback (извлекаем предпочтения из поведения пользователя)
-
Тема 25. Практическое занятие по рекомендательным системам. Surpsise
-
Тема 26. Q&A
Модуль 5. Дополнительные темы
-
Тема 27. Введение в Deep Learning №1
-
Тема 28. Введение в Deep Learning №2
-
Тема 29. ML в Apache Spark
-
Тема 30. Поиск Data Science работы
Модуль 6. Проектная работа
-
Тема 31. Выбор темы и организация проектной работы
-
Тема 32. Предзащита проектных работ №1
-
Тема 33. Предзащита проектных работ №2
-
Тема 34. Защита проектных работ
- Город
- Онлайн
- Формат обучения
- Онлайн
- Сертификат
- Есть
Преподаватели-эксперты. Педагоги делятся актуальными знаниями и реальными кейсами, востребованными в современной IT-индустрии.
Уровень подготовки неважен. В онлайн-школе предусмотрены программы 3-х уровней сложности для начинающих и профи.
Удобный интерфейс. Сайт школы построен таким образом, что любой сможет с лёгкостью в нём разобраться.
Обратная связь. Кураторы и педагоги 24/7 помогают справляться студентам с возникающими сложностями.
Высокая стоимость курсов. Хорошее и качественное образование не может стоить дёшево.
Навязанные рекламные рассылки. Спам от онлайн-школы иногда вызывает лёгкое неудобство.
Взгляните, что студенты и выпускники говорят про Otus
Для меня принять решение об обучении на курсе по языку Java было довольно просто, достаточно было посмотреть на преподавателя и структуру курса, также огромным плюсом было увидеть в партнерах Otus.ru компанию, в которой я хотел работать. Очень важно, что перед началом курса прово...
После прохождения курса я приобрел, во-первых, понимание того как python устроен и работает вплоть до погружения на уровень кода интерпретатора, что собственно, помогает уяснить с какими нюансами можно будет столкнуться при использовании языка в целом (что полезно для проектирова...