Курс #1
Введение в машинное обучение
Машинное обучение — один из способов работы с большими данными. Как научить компьютер может находить в массивах взаимосвязи и закономерности? Какие задачи решаются с помощью машинного обучения? Как оценивать качество моделей? Для работы используются данные из реальных задач.

Авторы курса: Высшая школа экономики и Школа анализа данных Яндекса
Платформа: Coursera // открыть на платформе
Продолжительность: 7 недель
Нагрузка: 3-5 часов в неделю
Требования: Основные понятия математики (функция, производная, вектор, матрица); базовые навыки программирования (предпочтительно Python)
Программа курса
Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса.
Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент.
Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации.
Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент.
Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети.
Неделя 6. Кластеризация и визуализация. Частичное обучение.
Неделя 7. Прикладные задачи анализа данных: постановки и методы решения.
Результат курса
Мы организовали дискуссию «Машинное обучение и анализ данных для развития городов» — разговор о том, как машинное обучение может повлиять на жизнь малых городов:

- что такое машинное обучение и какие задачи оно способно решать?
- какие данные необходимы для машинного обучения и существуют ли они в Троицке?
- примеры использования машинного обучения для развития городов и как это возможно применить в Троицке?

Выпускники курса выступили на встрече и поделились знаниями, которые получили во время курса. После этого приглашенные эксперты рассказали кейсы применения машинного обучения для развития городов в России и других странах.
К сожалению, запись на курс сейчас закрыта.
Оставьте ваши контакты, и мы сообщим, как только откроется новый набор!
Made on
Tilda