Чему вы научитесь
- Понимать архитектуру и компоненты платформы Polymatica ML.
- Регистрировать наборы данных из различных источников (БД, SQL, Excel).
- Проводить исследование данных: анализировать структуру, пропуски, выбросы, корреляции и распределения.
- Собирать пайплайны машинного обучения в визуальном конструкторе.
- Обрабатывать пропуски и кодировать категориальные признаки.
- Разделять выборку на обучающую, валидационную и тестовую части.
- Обучать модели классификации, регрессии и кластеризации.
- Оценивать качество моделей по метрикам (accuracy, precision, recall, F1, ROC-AUC, MAE, RMSE, R²).
- Сравнивать несколько моделей и выбирать модель-чемпиона.
- Регистрировать модель в репозитории и управлять её версиями.
- Публиковать модель в сервисном или пакетном режиме.
- Сопровождать модель и выполнять переобучение при необходимости.
О курсе
Практический курс по работе в платформе Polymatica ML: от регистрации данных и исследования до построения, оценки, регистрации и публикации модели.
Для кого этот курс
Данный курс будет полезен Аналитикам, которые хотят применять машинное обучение в своей работе без глубокого знания программирования; Начинающим специалистам по данным, осваивающим ML-инструменты и желающим понять полный цикл работы с моделью; Бизнес-пользователям, участвующим в постановке задач и интерпретации результатов моделирования; Командам внедрения, которым необходимо быстро прототипировать и публиковать ML-сценарии; Студентам и слушателям профильных программ, изучающим прикладные аспекты Data Science.
Начальные требования
-
Базовое понимание основ машинного обучения (виды задач: классификация, регрессия, кластеризация).
-
Общее представление о структуре данных (таблицы, признаки, целевая переменная).
-
Навыки работы с компьютером на уровне уверенного пользователя.
-
Желание освоить практический инструмент для работы с ML-моделями.
Преподаватели курса
1 014
Как проходит обучение
-
Формат: онлайн-курс с теоретическими уроками и практическими заданиями.
-
Структура: 10 модулей, построенных по логике полного пользовательского сценария.
-
Материалы: текстовые пояснения, демонстрации интерфейса, пошаговые инструкции.
-
Тестирование: тестовый блок для закрепления каждого модуля.
-
Навигация: модули рекомендуется проходить последовательно, так как каждый опирается на предыдущий.
Что вы получите
- Навыки и знания, востребованные работодателями в области Data Science и ML-инженерии.
- Умение проходить полный жизненный цикл ML-модели без написания кода.
- Шаблоны и чек-листы для самостоятельного построения моделей.
- Понимание архитектуры и логики работы корпоративного ML-решения.
- Базу для дальнейшего изучения продвинутых сценариев: мониторинг, модельный риск, API-интеграции.
Нагрузка
4-5 часов в неделю