Чему вы научитесь
- Понимать основы Data Science и машинного обучения
- Работать с Python и Scikit-learn для решения практических задач машинного обучения
- Строить и интерпретировать модели простой и множественной линейной регрессии
- Понимать различия между недообучением и переобучением моделей
- Применять методы оптимизации, включая градиентный спуск и SGD
- Использовать методы регуляризации, включая L2-регуляризацию и Ridge
- Понимать принципы работы solver-алгоритмов в Scikit-learn: LSQR, SVD, Cholesky, LU, Sparse_cg, SAG, SAGA, QR и L-BFGS-B
- Понимать практические аспекты обучения моделей и численные методы, лежащие в основе ML-алгоритмов
- Получить знания и навыки, необходимые для перехода от начального уровня к уровню Junior Data Scientist
О курсе
🟥🟨🟩 Пакет курсов предназначен для последовательного обучения с нуля до уровня Junior Data Scientist. В программе рассматриваются основы Data Science, линейная регрессия, регуляризация, методы оптимизации, solver-алгоритмы в Scikit-learn. Курсы помогут сформировать фундаментальные знания и прикладные навыки, необходимые для уверенного старта в профессии Data Scientist.
Для кого этот курс
Для начинающих, которые хотят войти в Data Science с нуля
Для студентов технических и IT-направлений
Для аналитиков и разработчиков, которые хотят перейти в сферу машинного обучения
Для всех, кто хочет системно изучить Python, Scikit-learn и основы машинного обучения
Для тех, кто хочет дойти до уровня Junior Data Scientist и получить практические навыки работы с моделями и инструментами Data Science
Начальные требования
- Никаких знаний по математике предварительно не требуется, вся математика будет дана с полного нуля.
- Рекомендуются базовые знания Python (на уровне функций).
-
Либо опыт работы с другими языками программирования и готовность изучать Python в процессе курса.
Преподаватели курса
6 724
Как проходит обучение
Обучение выстроено поэтапно: от базовых тем к более продвинутым
Каждый курс посвящен отдельной важной теме в Data Science и машинном обучении
Материал сочетает теоретические объяснения и практические примеры на Python и Scikit-learn
В процессе обучения рассматриваются как основы построения моделей, так и методы их оптимизации и настройки
Отдельное внимание уделяется практическому применению знаний и разбору реальных инструментов
Программа позволяет последовательно пройти путь от начального уровня до уровня Junior Data Scientist
Что вы получите
- Системное понимание основ Data Science и машинного обучения
- Практические навыки работы с Python и Scikit-learn
- Знания по линейной регрессии, регуляризации и методам оптимизации
- Понимание solver-алгоритмов и их применения в задачах машинного обучения
- Подготовку к переходу от начального уровня к уровню Junior Data Scientist
- Уверенную базу для дальнейшего развития в Data Science и Machine Learning
Нагрузка
4-5