Курс на Stepik
Обложка курса «Machine Learning с нуля» на Stepik
Бесплатно

Machine Learning с нуля ★ 5.000

Открыть на
STEPIK.ORG

Как модель учится на примерах? Когда ей можно доверять? В ML Road вы пройдёте путь от постановки задачи и подготовки данных до оценки модели и разбора её ошибок. На простых примерах разберёте регрессию, классификацию, деревья решений и ансамбли. В конце примените изученное к кейсу о предзаказах, которые покупатели могут не забрать. Курс для начинающих, с заданиями без программирования.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Machine Learning с нуля»Учеников на курсе 252
Сертификаты, выданные на курсе «Machine Learning с нуля»Сертификатов выдано 0
Отзывы о курсе «Machine Learning с нуля»Отзывов получено 8
Рейтинг курса «Machine Learning с нуля»Рейтинг курса 5.000
Уроки в курсе «Machine Learning с нуля»Количество уроков 32
Тесты в курсе «Machine Learning с нуля»Количество квизов 64
Время прохождения курса «Machine Learning с нуля»Время прохождения курса —
Обновления курса «Machine Learning с нуля»Обновления курса — —
Дата публикации курса «Machine Learning с нуля»Дата публикации курса — ———
Последнее обновление курса «Machine Learning с нуля»Последнее обновление — ———
Сложность easy — ———

Чему вы научитесь

Почему модель может хорошо отвечать на знакомых данных и ошибаться на новых? Чтобы ответить на этот вопрос, в ML Road мы начинаем с того, что подаём модели на вход, какой ответ от неё ждём и как будем проверять результат.

Курс состоит из шести модулей и 31 урока:

  1. Как работает машинное обучение. Типы обучения, признаки, целевой ответ и простая статистика на примерах из таблиц.
  2. Какие задачи решает ML. Регрессия и классификация, а также обзор кластеризации, поиска аномалий, рекомендаций, ранжирования и временных рядов.
  3. Как подготовить данные. Выбор признаков, пропуски, выбросы, масштабирование и работа с категориями.
  4. Как устроены первые модели. Линейная и логистическая регрессия, дерево решений, случайный лес и бустинг.
  5. Как проверить качество. Разбиение данных, сравнение с простым решением, метрики, переобучение и разбор ошибок.
  6. Как устроен ML-проект. Путь от постановки задачи до применения модели и наблюдения за её результатами.

В финале вы разберёте, как оценить вероятность того, что покупатель не заберёт предзаказ, выбрать заказы для напоминаний при ограниченном числе контактов и проверить, принесло ли решение пользу.

О курсе

Как модель учится на примерах? Когда ей можно доверять? В ML Road вы пройдёте путь от постановки задачи и подготовки данных до оценки модели и разбора её ошибок. На простых примерах разберёте регрессию, классификацию, деревья решений и ансамбли. В конце примените изученное к кейсу о предзаказах, которые покупатели могут не забрать. Курс для начинающих, с заданиями без программирования.

Для кого этот курс

Для тех, кто впервые знакомится с машинным обучением и хочет понять, как из данных получается прогноз и как проверяют его качество. Курс подойдёт QA-инженерам, разработчикам, аналитикам, продакт-менеджерам и студентам. Его можно пройти перед первой практикой на Python или чтобы увереннее обсуждать данные, модели и метрики с командой.

Начальные требования

Специальная подготовка не нужна. Курс можно пройти без знания Python, установки программ и опыта работы с ML. Достаточно уметь читать простые таблицы и считать проценты. Термины и расчёты разбираются по ходу уроков.

Преподаватели курса

Как проходит обучение

Вы учитесь на Stepik в своём темпе. Уроки лучше проходить по порядку: задачи и данные из первых модулей пригодятся при разборе моделей и метрик.

В уроках вы читаете объяснения, разбираете примеры и проверяете себя на интерактивных заданиях. Например, по таблице выбираете признаки, по матрице ошибок сравниваете результаты, а в итоговом кейсе связываете прогноз модели с решением о том, кому отправить напоминание. Все задания выполняются без написания кода.

Нагрузка

4–5 часов в неделю

Расскажите о курсе друзьям