Машинное обучение на практике

Name: Машинное обучение на практике
Brand: Учебный центр IBS
SKU: 92687
Price: 39700 RUB

Практический курс по машинному обучению для аналитиков и разработчиков. Освоите полный цикл создания ML-моделей от подготовки данных до презентации результатов. Уникальность: курс построен на реальных кейсах, что позволяет сразу применять знания на практике. Ценность: научитесь решать реальные бизнес-задачи с помощью машинного обучения, повышая эффективность и точность решений.

Обучение 24 часа

сертификат

93%

Стоимость курса

2 900 ₽ 42 000 ₽

Рассрочка ₽/мес

Перейти на сайт

Программа курса
Чему вы научитесь
Мой рейтинг
Подробная информация о курсе
Отзывы

Программа курса

Ознакомьтесь с программой курса «Машинное обучение на практике» от Учебный центр IBS - ibs-training.ru

Обзор задачи. Какие задачи хорошо решаются машинным обучением, а какие им пытаются решать. Что произойдёт, если вместо Data Scientist взять неспециалиста в данной области (просто разработчика/аналитика/менеджера) с ожиданием, что в процессе научится.
Подготовка, очистка, исследование данных. Как разобраться в исходных бизнес-данных (и вообще обнаружить в них какой бы то ни было порядок). Последовательность обработки. Что можно и нужно переложить на аналитиков предметной области, а что лучше сделать самому…
Классификаторы и Регрессоры. Практический раздел - хорошо формализованные задачи с подготовленными данными. Разница между задачами (бинарная/небинарная/вероятностная классификация, регрессии), перераспределение задач между классами. Примеры классификации прак…
Кластеризация. Где и как проводить кластеризацию: исследование данных, проверка постановки задачи, проверки результатов. Какие случаи можно свести к кластеризации.
Оценка моделей. Бизнес-метрики и технические метрики. Метрики для задач классификации и регрессии, матрица ошибок. Внутренние и внешние метрики качества кластеризации. Кросс-валидация. Оценка переобучения.
Оптимизация. Что делает одну модель лучше другой: параметры, признаки, ансамбли. Управление параметрами. Практика выбора признаков. Обзор инструментария для поиска лучших параметров, признаков и методов.
Графики, отчеты, работа с живыми задачами. Как доступно объяснить происходящее: себе, команде, клиенту. Более красивые ответы на бессмысленные вопросы. Как презентовать три терабайта результатов на одном слайде. Полуавтоматические тесты, какие точки контроля…
Всего: теория – 13 ч. (54%), практика – 11 ч. (46%).

Ознакомиться со всей программой

Чему вы научитесь

Научитесь настраивать и организовывать: подготовка, очистка, исследование данных. как разобраться в исходных бизнес данных (и вообще обнаружить в них какой бы то ни было порядок). последовательность обработки. что мож…
Научитесь уверенно работать с темой: графики, отчеты, работа с живыми задачами. как доступно объяснить происходящее себе, команде, клиенту. более красивые ответы на бессмысленные вопросы. как презентовать три терабайт…
Освоите и сможете применять: оптимизация. что делает одну модель лучше другой параметры, признаки, ансамбли. управление параметрами. практика выбора признаков. обзор инструментария для поиска лучших параметров, призна…
Освоите и сможете применять: хорошо формализованные задачи с подготовленными данными. разница между задачами (бинарная/небинарная/вероятностная классификация, регрессии), перераспределение задач…
Освоите и сможете применять: кластеризация. где и как проводить кластеризацию исследование данных, проверка постановки задачи, проверки результатов. какие случаи можно свести к кластеризации.