Адрес e-mail:

Обучение на размеченных данных

Категория слушателей: студенты, аспиранты, профессорско-преподавательский состав, специалисты.

Форма обучения: заочная, дистанционная;

Режим обучения: четыре недели, 18 часов в неделю, 2-3 часа в день;

Объем учебной программы: 72 часа;

Документ об окончании обучения: удостоверение о повышении квалификации установленного образца;

Регистрация на курс: непрерывная;

Начало занятий: по мере формирования учебных групп.

Стоимость обучения: 20 000 рублей.


Перейти в анкету для записи




supervisedLearning.png
Программа «Обучение на размеченных данных» является второй частью специализации «Машинное обучение и анализ данных», первой ее частью является курс "Математика и Python для анализа данных".
Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров.
Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина.

В этом курсе слушатели научатся формулировать и, конечно, решать такие задачи. В центре внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент будет сделан на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества.
Этот курс предназначен для тех, кто хочет начать знакомство с машинным обучением и уже владеет необходимой математической базой: математическим анализом, линейной алгеброй, теорией вероятностей. Мы объясним основные методы обучения с учителем, разберём постановки задач и способы оценивания качества решения. Курс может быть интересен как для тех, кто изучает анализ данных и хочет профессионально применять его на практике, так и для тех, кто хочет разобраться для себя, в чём заключается машинное обучение.

Преподавателями курса являются научные сотрудники исследовательской группы «Фабрики данных Яндекса», специалисты в области Data mining и Machine Learning.

Эмели Драль - ведущий аналитик и преподаватель “Фабрики данных Яндекса”
Виктор Кантор - старший преподаватель ФИВТ МФТИ, руководитель группы “Фабрики данных Яндекса”
Евгений Соколов - преподаватель и руководитель группы “Фабрики данных Яндекса”
Евгений Рябенко - кандидат физико-математических наук, доцент кафедры "Интеллектуальные системы" ФУПМ МФТИ, Data Scientist “Фабрики данных Яндекса”
Воронцов Константин - доктор физико-математических наук, профессор кафедры «Интеллектуальные системы» ФУПМ МФТИ, эксперт департамента разработки компании Яндекс



Примеры медиа-материалов курса


   



Курс повышения квалификации, в отличие от MOOC-курса на cousera, стоит больше, но вы получаете дополнительные возможности:


Перейти в анкету для записи

Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

МФТИ в социальных сетях

soc-vk soc-fb soc-tw soc-li soc-li soc-yt
Яндекс.Метрика