Минимальные требования
Знание языка программирования Python (основы, библиотеки Pandas, NumPy), курс высшей математики (линейная алгебра, основы математического анализа).
Машинное обучение: дополнительные главы
Раскрывайте потенциал данных с продвинутыми методами ML
Старт: В любое время
Длительность: 5 недель
Нагрузка:72 ак.часа
Формат: Синхронный или асинхронный
О курсе
Курс знакомит с теорией и практикой классического машинного обучения
Вы изучите метод опорных векторов, деревья принятия решений и популярные ансамбли на их основе. Также вы разберетесь в обучении с подкреплением и развитии нейросетей — от перцептрона до GPT.
Вы научитесь:
Различать между собой задачи машинного обучения;
Модифицировать, кодировать
и преобразовывать данные для обучения;Обогащать набор тренировочных данных;
Использовать продвинутые алгоритмы машинного обучения, настраивать их параметры.
Содержание
Метод опорных векторов
Деревья принятия решений
Ансамбли
Обучение с подкреплением
Введение в теорию нейронных сетей
Команда
Елена Георгиевна Михайлова
Директор ВШЦК, руководитель образовательной программы Аналитика данных, кандидат физико-математических наук, доцент ВШЦК
e.mikhailova@itmo.ru
Наталья Генриховна Графеева
Кандидат физико-математических наук, доцент ВШЦК
nggrafeeva@itmo.ru
Ольга Борисовна Егорова
Кандидат филологических наук, доцент ВШЦК
oegorova@itmo.ru
Антон Александрович Бойцев
Кандидат физико-математических наук, доцент ВШЦК
boitsevanton@itmo.ru
Дмитрий Геннадьевич Волчек
Кандидат технических наук, доцент ВШЦК
dvolchek@itmo.ru
Алексей Андреевич Романов
Кандидат технических наук, доцент ВШЦК
romanov@itmo.ru
Мария Александровна Токман
Кандидат физико-математических наук, доцент ВШЦК
matokman@itmo.ru
Рустам Шухратуллович Азимов
Кандидат физико-математических наук, доцент ВШЦК
rsazimov@itmo.ru
Алексей Владимирович Самарин
Кандидат физико-математических наук, доцент ВШЦК
avsamarin@itmo.ru
Екатерина Дмитриевна Васильева
Инженер
edvasileva@itmo.ru