Чему вы научитесь
- Строить конкурентно-способные и стабильные модели машинного обучения с максимальным качеством, которые не шатает на привате.
- Понимать практические методы из статистики, полезные для машинного обучения
- Использовать обширные возможности платформы Kaggle
- Применять наиболее эффективные техники ансамблирования, которые пригодятся не только в соревнованиях, но и в других сферах.
- Реализовывать изученные техники на Python 🐍 и пользоваться современными ML-фреймворками
О курсе
Для кого этот курс
Начальные требования
- Умение программировать на Python 🐍
- Знание основ машинного обучения
- Опыт работы с библиотеками pandas/numpy упростит процесс прохождения курса, но не является обязательным
Преподаватели курса
Как проходит обучение
По ходу курса будут раскрываться основные техники по увеличению качества моделей машинного обучения на реальных данных. Изучая теорию, вы решите около 200 практических задач. В конце закрепите и отработаете полученные навыки в формате Kaggle-соревнования на настоящей бизнес задаче. Главный язык программирования курса - Python. Курс постоянно обновляется и дополняется.
Сертификат
Что вы получите
- ✅ Поймешь алгоритм построения ML решений, которые способны выиграть.
- ✅ Изучишь настройку градиентных бустингов: CatBoost, LightGBM и XGBoost.
- ✅ Закрепление теории на 200+ тестах и задачах из реальной работы Data Scientist'а
- ✅ Опыт участия в соревновании на платформе Kaggle
- ✅ Доступ к примерам решений победителей чемпионатов
- ⚙️ Доступ к мощному серверу с несколькими GPU и большой оперативной памятью для участия в боевых чемпионатах.
- ✅ Собственноручно написанный "пайплайн" для будущих соревнований
- ✅ Разберешься, как проверять гипотезы быстрее своих оппонентов.
- ✅ Получишь полноценную практику Feature Engineering'а.
- ✅ Изучишь большой набор приемов, как выжимать максимальную точность из данных и ML моделей.
- ✅ Поддержку наставников, которые отвечают в чате 24/7
- ✅ Комьюнити единомышленников для совместного участия в чемпионатах
- ✅ Проект в портфолио и уникальный материал для использования на работе
- ✅ Фирменный мерч за успехи в соревнованиях!