Анализ данных на практике

Представленный курс расскажет вам про основы машинного обучения. Учебная программа включает в себя множество практических занятий, где студентам предстоит разбирать задачи классификации, регрессии и кластеризации.

На примерах будут рассмотрены такие задачи, как сортировка музыки в зависимости от жанра, максимизация прибыли, прогноз пользовательского оттока, анализирование текстов. Также участники курса узнают об основных способах прогнозирования временных рядов.

Вам подойдет этот курс, если вы:

  • работаете программистом;
  • являетесь студентом;
  • интересуетесь машинным обучением;
  • хотите подтянуть практические навыки по решению практических задач.

Ключевые навыки, которые вы освоите на этом курсе:

  • знание основных методов машинного обучения, среди которых supervised learning, unsupervised learning и semi-supervised learning;
  • опыт в решении задач классификации, регрессии или кластеризации;
  • знание нюансов оценки качества алгоритмов;
  • опыт решения задач анализа данных;
  • знания по структуре нейронных сетей, умение их применять.

Учебная программа:

  • метрики качества;
  • деревья в задачах классификации и регрессии;
  • построение ансамблей;
  • логистическая регрессия и кластеризация;
  • Text Mining и Introduction in the deep learning;
  • рекомендательные системы;
  • прогнозирование.

Длительность курса составляет 9 недель. В течение обучения вы будете проходить тестирование, которое покажет то, как хорошо был усвоен материал лекции. Если вы провалите тест, то всегда сможете вернуться и повторить прошлый урок. Возникли вопросы по курсу или может вы не справляетесь с практическими задачами? Напишите в сообщество курса, где вам обязательно помогут преподаватели.

Оцените курс
ОтвратительноПлохоУдовлетворительноХорошоОтлично! (0)
Загрузка...

Добавить комментарий