Основы машинного обучения

Слушатель освоит основные концепции машинного обучения, познакомится с библиотекой scikit-learn.

Часов в программе

11,00 часов

лекции

17,00 часов

практика

8,00 часов

промежуточная аттестация

36,00 часов

всего

Материально-технические условия реализации программы:

Вид занятий: Практические занятия
Требуемое ПО:
Браузер Google Chrome и/или Яндекс.Браузер. Google Docs, Google Sheets, MS Office.

Информационные ресуры

Introduction to Machine Learning with Python: A Guide for Data Scientists [Электронный ресурс]: https://www.amazon.com/IntroductionMachine-Learning-PythonScientists/dp/144936941

Вьюгин В.В. Математические основы машинного обучения и прогнозирования [Электронный ресурс] М.: 2013, 2018. - 484 с. - Режим доступа: http://iitp.ru/upload/publications/8207/vyugin1.pdf

Образовательные ресуры

Интерактивная образовательная онлайн-среда Яндекса.

Учебно-методические материалы

Методы, формы и технологии

Форма обучения - заочная.
В модуле используются наглядные, словесные и практические методы организации процесса обучения: онлайн-тренажёр и интерактивный учебник на LMS Яндекс Практикум.
Методы контроля: самопроверки, автоматизированная проверка в специально выделенной (изолированной) среде для безопасного исполнения компьютерных программ, практические задания, самостоятельная работа, вебинары и Q&A сессии с наставниками и экспертами курса.

Методические разработки

Дополнительная профессиональная программа повышения квалификации "Инструменты анализа данных"

Материалы курса

Все материалы расположены в интерактивном учебнике в LMS Яндекс Практикум.

Учебная литература

1. Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning
2. Introduction to Machine Learning with Python: A Guide for Data Scientists [Электронный ресурс]:
https://www.amazon.com/IntroductionMachine-Learning-PythonScientists/dp/144936941
3.Вьюгин В.В. Математические основы машинного обучения и прогнозирования [Электронный ресурс] М.: 2013, 2018. - 484 с. - Режим доступа: http://iitp.ru/upload/publications/8207/vyugin1.pdf
4. П. Флах Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / ДМК-Пресс. - 2015. - 402 с.

Темы

Введение в машинное обучение Первая обученная модель Качество модели Улучшение модели Переходим к регрессии

Лекции
2,00ч

Практические занятия
6,00ч

Всего
8,00ч

Промежуточная аттестация 8,00 часов

Модуль 2. Основы машинного обучения
Проектная работа “Разработка системы рекомендаций тарифов для оператора мобильной связи”.