Чему вы научитесь
- Работать с линейной и логистической регрессией
- Оценивать качество моделей регрессии и классификации
- Проходить все этапы задачи ML: от разведочного анализа до получения прогноза и его интерпретации
- Cтроить интерактивные дашборды при помощи библиотеки Streamlit
- Cоздавать веб-сервисы с использованием фреймворка FastApi
О курсе
Классические линейные модели машинного обучения появились давно, но никогда не выйдут из моды и активно используются во многих проектах. На курсе вы узнаете о том, как устроены линейные модели, научитесь применять их на практике, интерпретировать и оборачивать в веб-сервисы.
Для кого этот курс
Курс подойдет слушателям, уже знакомым с основами программирования на Python и базовыми подходами к анализу данных, но без фундаментальных знаний машинного обучения. Он поможет разобраться не только как использовать модели на практике, но и детально представит теоретическую сторону предмета. Также курс заинтересует тех, кто хочет развиваться в IT-области как ML разработчик: красиво презентовать решение в виде интерактивного дашборда и веб-сервиса.
Начальные требования
- умение писать простые программы на Python
- знание основ анализа данных
- уверенное знание математики в рамках школьной программы, знание основ высшей математики
Преподаватели курса
Как проходит обучение
Курс длится четыре недели:
- каждую неделю вас ждет одно онлайн занятие по машинному обучению и одно занятие по разработке
- после каждого занятия вы делаете практическое задание или тест
- в конце курса вы решаете большую проектную задачу с применением знаний, полученных на курсе
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 10 учеников получили сертификат.
Что вы получите
- узнаете о принципах работы классических линейных моделей (и будете знать больше, чем большинство Data Scientist-ов, их применяющих)
- решите большую проектную задачу с полноценным ревью от команды курса
- освоите необходимый для Data Scientist-a функционал Streamlit и FastApi
- оформите проектную задачу в виде интерактивного дашборда или веб-сервиса на ваш выбор
Нагрузка
4-5 часов в неделю