Интенсив по классическому машинному обучению
Модуль курса по созданию ML-проекта

Старт: c 19 апреля
Формат: онлайн + общение в чате
Интенсивность: 4-6 живых занятия
2 раза в неделю по 1.5 часа

Для кого курс

Для тех, кто обладает минимальными навыками разработки на Python и изучал первые два года вузовской математики

Есть разделение на два потока для инженеров и неинженеров

Модуль курса по созданию ML-проектов
Преподаватели
Давид Дале, поток инженеров
Главный преподаватель Mathshub,
преподаватель Y-DATA (ШАД в Израиле), ВШЭ
/ NLP-исследователь в Skoltech
/ Ex-Data Scientist в Yandex
/ Ex-Data Scientist в Alfabank
Татьяна Гайнцева, поток менджеров
Преподаватель МФТИ, dlschool.org
/ AI Scientist в Philips
/ Автор популярных тг-блогов про глубокое обучение
Программа курса

Базовое машинное обучение

  • Задачи машинного обучения
  • Предсказание и метрики качества
  • Понятия обучения, применения и валидации модели
Классификация, деревья решений, и kNN
  • Постановка задачи классификации
  • Метрики
  • Дерево решений
  • Метод ближайшего соседа
  • Выбор параметров модели и кросс-валидация
  • Примеры применения и сложные кейсы
  • Плюсы и минусы kNN и деревьев
Линейная регрессия и классификация. MLE, Регуляризация
  • Метрики. Зачем нужны
  • Базовая линейная регрессия (МНК)
  • Метод макс.правдоподобия
  • Линейный классификатор
  • Логистическая регрессия как линейный классификатор
  • Разложение дисперсии/смещения
  • Регуляризация линейной функции
  • Оценка максимального правдоподобия и логистическая регрессия
  • 𝐿2 -Регуляризация логистических потерь
  • XOR-Problem
  • Кривые обучения и валидации. ROC AUC
Ансамбли алгоритмов и случайный лес. Бэггинг. Бустинг
  • Ансамбли
  • Случайный лес
  • Деревья решений vs бэггинг
  • Преобразование набора данных в многомерное представление
  • Плюсы и минусы случайного леса
  • GBM в машинном обучении
  • Функции регрессионных потерь
  • Классификационные функции потерь
  • Веса
  • Бутстрап
  • Бэггинг
  • Параметры случайного леса
  • Функциональный град.спуск
Feature Engineering
  • "Выбор фич
  • Тексты, картинки, геоданные, дата и время, временные ряды, веб и тд"
  • "Трансформация фич
  • Нормализация и изменение распределения, взаимодействия, заполнение пустых значений"
  • Label Encoding
  • One-Hot Encoding
  • Выбор фич — статметоды и моделирование
Обучение без учителя
  • Кластеризация. K-средних
  • PCA. Интуиция, теории и прикладные проблемы
  • PCA. Примеры
  • Агломеративная кластеризация
  • Метрики точности
Работа с большими данными
  • SGD
  • Онлайн-подход к обучению
Отзывы
Руслан Мальсагов
Студент потока авг-окт 2021 года
Quantitative Trader
at Flow Traders, Linkedin
Юрий Гасюк
Руководитель разработки Aitarget Tech
Очень понравился курс!

В рамках курса удалось реализовать прототип решения для улучшения креативов в динамической рекламе facebook и instagram для e-commerce клиентов.

У ребят сильная команда специалистов и хорошая структура обучения с большим объемом практики.
Самое ценное — это отличные вебинары с практикующими экспертами, в ходе которых можно сразу получить ответы на все интересующие вопросы, а также живое общение с сокурсниками, благодаря которым можно улучшить свой продукт.
Курс сложный, содержит много математики и технической информации, но менторы всегда помогают во всем разобраться в ходе очного общения.
Большое спасибо команде за то, что я не только получил хорошую практику по ML прототипированию, но и хорошо провел время в приятной компании грамотных специалистов.
Руководитель AI проектов в ПАВЛИН Технологии
3 «да» про курс:
да — школьного курса математики более, чем достаточно;
да — ты сразу начинаешь писать код и применять рабочие модельки для аналитики — создавать свой продукт машинного обучения;
да — продукт заработает для живых пользователей.
Отличный способ для дальнейшего развития прототипа или  более подробной работы над ML-продуктами с дата-саентистами для создания профессиональных продуктов.
Продакт-менеджер DOBRO 
Однозначно рекомендую курс тем, кто готов приступить к ML-проекту.

Курс дал отличную базу и мотивацию для того, чтобы продолжать создавать ML-прототипы самостоятельно. Разбираясь во всем многообразии моделей и подходов, которым уделено особое внимание на лекциях, можно осознанно выбрать вектор, в котором интересно развиваться дальше, свободно читать (и главное — понимать) код, написанный другими разработчиками, статьи и книги уже на более продвинутом уровне.

Занятия помогли собрать воедино и систематизировать фрагментарные знания по ИИ, а лабораторные работы позволили преодолеть барьер неуверенности и наконец-то перейти от теории к практике и запустить свои первые модельки.

Полученные знания дают возможность не только разговаривать со специалистами на одном языке и разобраться, как работают проекты, связанные с ИИ, что очень важно для менеджеров, которые ими управляют, но и самому почувствовать себя исследователем, проверяя собственные гипотезы в рабочих и pet-проектах.

Продакт-менеджер Vprok.ru / Перекрёсток
Курс особенно подойдет для тех, кто находится со стороны бизнеса — руководителям продуктов и предпринимателям, но стремится применить машинное обучение и улучшить текущие процессы в своей компании за счет применения алгоритмов ML.

На мой взгляд, этот курс является хорошей отправной точкой для погружения как в создание ML-продукта, так и в машинное обучение, но больший упор делается всё же на продуктовую и бизнес-составляющие.
Продакт-менеджер Alibaba Group
Я прошёл этот курс, так как думаю, что современный менеджер продукта должен как минимум «на перспективу» знать о машинном обучении, чтобы не отстать от рынка в будущем. Курс позволил мне ещё раз структурировать свои знания об управлении продуктом, понять основы технологий машинного обучения, а также узнать о применимости этих технологий для решения разных задач бизнеса и продукта. Материал хорошо подготовлен и структурирован; чувствуется, что уже проведено несколько итераций подготовки. Преподаватели помогают понять сложные вопросы, дают обратную связь и с готовностью принимают её в ответ.
Член АССА, ex-KPMG
Отметил для себя в курсе полезные инструменты (список курсов в начале, инструмент Google Colab, поскольку реально головная боль устанавливать кучу ПО для занятия). Очень понравился обзор helicopter view on technologies, популярные библиотеки + примеры их использования: связка код + результат. Оценить Churn rate хорошая идея — может быть, стоит подыскать примеры того, какие вещи делают компании, чтобы удержать клиента, чтобы приземлить задачу на практику.
Менеджер продукта в банке Открытие
Рекомендую этот курс, так как понравилось заложенное в программе повторение важных аспектов продакт-менеджмента. Появился впервые опыт написания кода. Сформировалось примерное понимание разных моделей анализа. Лучше понял для себя, в чем заключается работа аналитика данных. Очень круто, что появляется сразу опыт программирования и что в принципе видишь сам код.
Студент МЭО Финансового Университета
Для меня были важны количество пройденных алгоритмов. Понравились разобранные метрики в продакт-менеджменте, предоставленные источники и ресурсы, сложность кода и его глубина. Рекомендую курс для продакт-менеджеров.
Студент ВШЭ
Спасибо Айре за проведенное занятие! Впечатлила общая логика работы с данными и построения модели. Рекомендую курсы Айры для диджитал-специалистов.

Выберите подходящий тариф

Рекомендуем выбрать тариф "Живые лекции"
Доступ к записям к полному курсу


  • Доступ к записям лекций и семинаров
  • Автоматическая проверка ДЗ
  • Поддержка кураторов
  • Участие в чатах Mathshub

Не доступны опции:

  • Доступ ко всем модулям курса: "Классическое машинное обучение", "Глубокое машинное обучение" и "Релиз продукта"
  • 2 консультации со специалистом по ML-проекту
  • Посещение живых лекций и живой гостевой программы
  • Проверка ДЗ с обратной связью
7 900 р*
10 000 р
*со скидкой 20% по промокоду с вебинаров (для использования промокода свяжитесь с нами)
Выбрать
Участие в полном курсе по созданию ML-проектов

  • Доступ к записям лекций и семинаров
  • Автоматическая проверка ДЗ
  • Поддержка кураторов
  • Участие в чатах Mathshub

  • Доступ ко всем модулям курса: "Классическое машинное обучение", "Глубокое машинное обучение" и "Релиз продукта"
  • 2 консультации со специалистом по ML-проекту
  • Посещение живых лекций
  • Проверка домашних заданий с обратной связью
  • Живая гостевая программа
59 900 р*
70 000 р
*со скидкой 20% по промокоду с вебинаров
Узнать подробней
Click to order
Выбранный курс
Total: 
Для связи в мессенджере

Пишите ваши вопросы на почту

support@maths-h.com

Пишите ваши вопросы на почту

support@maths-h.com