Практический курс по машинному обучению и Data Science

Лучший способ погрузиться в Data Science для IT-специалистов. Получите практические навыки по машинному обучению и реализуйте итоговый проект при поддержке наставников из отрасли.

Онлайн
Оставьте заявку, чтобы узнать дату следующего запуска

Кому подойдет этот курс

Разработчикам
Вы программируете, но хотите расширить профессиональные возможности и получить практические навыки в машинном обучении? Вы научитесь строить модели машинного обучения и нейронные сети, правильно использовать инструменты для работы с большими данными.
Аналитикам
Хотите освоить машинное обучение, чтобы решать более сложные и интересные аналитические задачи?
Вы научитесь строить модели машинного обучения и использовать инструменты работы с большими данными для решения ваших задач.

Что входит в программу

8 занятий
Погружение в машинное обучение: 32 часа лекций и семинаров, 48 часов на самостоятельную работу.
7 домашних заданий
На каждом занятии вы будете решать квизы, а каждую неделю вас ждут домашние задания для отработки новых знаний на практике.
Финальный проект
Вы самостоятельно реализуете проект и получите обратную связь от наставников. Финальное испытание – защита проекта.

Чему вы научитесь

Часть 1. Классическое машинное обучение
Вы научитесь строить модели машинного обучения, решать задачи регрессии и классификации, создавать ансамбли решающих деревьев, а аббревиатуры RF, GBDT, XGBoost и LightGBM станут родными и понятными.
Введение в машинное обучение и библиотеки ML для Python
Уже на первом занятии вы научитесь:

• Совершать базовые операции с данными в numpy,
• Cтроить графики функций с matplotlib,
• Оптимизировать функции с scipy,
• Визуализировать данные с seaborn.

А еще вы построите свою первую модель с помощью sklearn!

Линейные модели, регуляризация, SVM, метрики качества
Простым и понятным языком расскажем про:

• Применение алгоритмов Scikit-learn к синтетическому набору данных и к данным соревнования Kaggle Inclass (классификация, регрессия),
• Логистическую регрессию и обучение моделей с помощью SGD,
• Метод опорных векторов (Support Vector Machine) и ядра,
• Настройку параметров и кросс-валидацию,
• Предобработку данных (строки, пропуски, категориальные признаки).
Деревья
На занятии вы научитесь:

• Обучать деревья на наборах данных (MNIST, UCI, кредитный скоринг),
•Визуализировать деревья,
• Работать с признаками и пропущенными значениями в деревьях,
• Оценивать время работы и "стричь" деревья (прунинг).
Ансамбли решающих деревьев
По итогам этого занятия вы освоите:

• Общие методы построения композиций: усреднение, бустинг, блендинг, стекинг,
• Бустинг и GBM,
• Выбор параметров в ансамблях решающих деревьев, сравним Random Forest и GBDT с демонстрацией,
• Связь между ответами моделей и качеством модели в бэггинге,
• Bias-variance trade-off на примере бэггинга и бустинга. Обсудим преимущества и недостатки RF и GBDT, разберем XGBoost и LightGBM.
Часть 2. Нейронные сети и Deep learning
Вы познакомитесь с нейронными сетям (Deep learning) и Unsupervised learning, а также поработаете с большими данными. На протяжении этой части курса вы будете работать над итоговым проектом при поддержке наставников. Вы сможете реализовать собственный проект или проект, который предложат кураторы курса.
Нейронные сети и введение в глубокое обучение (Deep learning)
Продолжаем погружаться в машинное обучение и знакомимся с нейронными сетями и Deep learning:

• Нейронные сети и сверточные нейронные сети, общие веса, локальность иерархичность,
• Слои в сверточных сетях, функции потерь для классификации, регуляризация нейросетей,
• Эффективные методы вычисления градиентов, проверка реализации разностным дифференцированием.
Deep Learning: CNN, RNN, Attention
На этом занятии разберем:

• Рекуррентные нейронные сети в задаче анализа сигналов и естественного языка,
• Генеративные модели на основе RNN,
• Механизм внимания (Attention mechanism) в задаче машинного перевода и других задачах,
• Сверточные нейронные сети в задачах обработки текста, сравнение с рекуррентными нейронными сетями,
• DNN на практике: инициализация, предобработка данных, модельный зоопарк, дообучение, вычисления на видеокартах, визуализация.
Обучение без учителя (Unsupervised learning)
Самое время для Unsupervised learning:

• Разберемся с определением координат дома и работы по GPS-треку (определение регулярных координат
с помощью DBSCAN).
• Освоим метод главных компонент на практике,
• Научимся применять PCA и tSNE для визуализации данных, сжатия данных и предобработки датасета.
Погружение в большие данные (Big Data)
Изучите основы работы с большими данными: Hadoop, HDFS, MapReduce, Spark и многое другое!
Защита проекта
Финальное испытание – защита проекта, над которым вы работали на протяжении второй части курса.

Наши преподаватели

Вашими преподавателями и наставниками будут практики из Amazon AWS, Яндекса, Rambler, NVIDIA. А еще они авторы совместной с Яндексом специализации
Big Data for Data Engineers на Coursera, у которой уже более 55 тысяч слушателей.
Алексей Драль
Генеральный директор,
BigData Team

10 лет в IT (Amazon AWS, Yandex, Rambler). Алексей - преподаватель и автор учебных программ по Machine learning / Big data / CDO programs for Chief Data Officers.

Он руководит международным онлайн курсом "Big Data for Data Engineers" на Coursera в рамках совместного проекта с Яндексом.
Дмитрий Игнатов
Зав. лабораторией моделей и методов вычислительной прагматики, ВШЭ
Автор более 50 научных статей в журналах Machine Learning, Expert Systems and Applications, Discrete Applied Mathematics, General Systems.
Организатор международных конференций и семинаров по анализу данных и машинному обучению: AIST, ECIR, CLA, ICFCA, ICCS, EEML, RuSSIR и др.
Наталья Корепанова
Data Science Tech Lead,
IPONWEB
Опыт исследовательской работы в департаменте биостатистики в институте эпидемиологии, биостатистики и превентивной медицины Цюрихского университета.
Кирилл Власов
Руководитель курсов по машинному обучению и BigData в МФТИ
Руководитель ML и DS проектов в промышленности. Входит в программный комитет и команду организаторов DataFest.
Павел Клеменков
Chief Data Scientist (Data Platform), NVIDIA
Основатель комьюнити Moscow Spark. Соавтор специализации по большим данным Big Data for Data Engineers на Coursera.
Арсений Ашуха
Исследователь Samsung AI Center Moscow
Занимается исследованиями глубоких нейронных сетей в группе Байесовских методов в Samsung и ВШЭ. Автор статей, опубликованных на ведущих конференциях по машинному обучению: ICML, NeurIPS, ICLR.

Как проходит обучение

Курс проходит в онлайн-формате.
Будет много практики, заданий и общения с наставниками и слушателями.
1
Zoom
Занятия проходят в Zoom. Вы сможете задавать вопросы на лекциях и общаться в перерывах. Все занятия записываются и доступны вместе с другими материалами курса.
2
Telegram
Общаться с преподавателями, кураторами и между собой можно в Telegram. В чате курса удобно следить за важной информацией и новостями.
3
Облако
Все материалы курса: лекции, практические занятия, домашние задания - доступны во время обучения и после.

Что вы получите

Максимум знаний и навыков
Мы адаптируем программу под уровень подготовки слушателей, чтобы вы максимально прокачали знания и навыки в сжатые сроки.
Быстрая обратная связь по домашним заданиям
Мы знаем, каково это не спать всю ночь, чтобы успеть к дедлайну. Мы уважаем ваше время, поэтому стараемся как можно быстрее дать обратную связь по домашним заданиям.
Много практики и бизнес-кейсов
Вас ждет 80 часов интенсивной работы: практические задания на каждом занятии, домашние задания, бизнес-кейсы, защита проекта.
Материалы курса
Все материалы курса останутся с вами после обучения.
Поддержка наставников и кураторов
Наши преподаватели будут вашими наставниками на протяжении всего обучения: ответят на вопросы, дадут обратную связь по заданиям, подскажут, что улучшить.
Наши кураторы не оставят без ответа ни одно ваше сообщение.
Удостоверение о повышении квалификации
Те, кто успешно пройдет курс, получат Удостоверение о повышении квалификации государственного образца.
Все слушатели получат электронный сертификат об окончании курса.
У нас обучаются сотрудники ведущих компаний
и студенты лучших ВУЗов

Стоимость обучения

Вы можете пройти курс целиком или по частям
Классическое машинное обучение
  • Введение в машинное обучение и библиотеки ML для Python
  • Линейные модели, регуляризация, SVM, метрики качества
  • Деревья
  • Ансамбли решающих деревьев
35 000 рублей
Записаться
Нейронные сети
и Deep learning
  • Нейронные сети и введение в Deep learning
  • Deep learning: CNN, RNN, Attention
  • Погружение в большие данные
  • Итоговый проект
35 000 рублей
Записаться
Курс целиком
  • Введение в машинное обучение и библиотеки ML для Python
  • Линейные модели, регуляризация, SVM, метрики качества
  • Деревья
  • Ансамбли решающих деревьев
  • Нейронные сети и введение в Deep learning
  • Deep learning: CNN, RNN, Attention
  • Обучение без учителя
  • Погружение в большие данные
  • Итоговый проект
65 000 рублей
Записаться

Вы также можете

Взять рассрочку
Вы можете оплатить курс по частям: половину стоимости надо внести до начала курса, половину - в середине. Напишите нам или заполните форму, чтобы оформить рассрочку или обсудить индивидуальные условия платежа.
Получить налоговый вычет
У нас есть образовательная лицензия - это значит, что вы сможете получить налоговый вычет за обучение на курсе. Что такое налоговый вычет и как его получить, читайте в нашей статье.

Что надо знать для успешного прохождения курса

Вам не нужны знания в области машинного обучения, но есть входные требования по программированию и математике.
Основы программирования на Python
Обучение проходит на Python 3. Если вы умеете писать простые программы на Python, работать с функциями и (идеально) классами, то проблем в обучении не возникнет.
Теория вероятностей, линейная алгебра и статистика
Рекомендуем вспомнить производные, матрицы, вероятности и случайные величины. В любом случае, не переживайте: мы умеем рассказывать сложные вещи простым языком.
Не уверены, что готовы к успешному прохождению курса? Пройдите тестирование и мы порекомендуем вам материалы для подготовки.
Отзывы
В данный курс я погрузился по полной. Для меня Machine Learning не является основным родом деятельности, это был вызов к собственным знаниям. Было тяжело.

Команда, которая обеспечивала обучение и поддержку, действовала очень профессионально. Я тратил ночи на решение домашек и даже после 00:00 коллеги отвечали на наши вопросы - это круто! Я обучался разным вещам и ранее, но такую поддержку и вовлеченность вижу впервые.

Ребята круты, большое спасибо за это.
Сергей Паршуков
Руководитель проектов в МегаФон
Интересный, современный, мощный курс с отличным наполнением и организационной составляющей. Больше всего понравилась свежесть и актуальность материала, содержательная часть домашек, быстрая коммуникация с преподавателями.
Дмитрий Деменков
Менеджер по машинному обучению и анализу больших данных
Когда меня спрашивали с первых занятий "как оно там",
я приводил пример, что Machine Learning для меня как поход в ресторан высокой кухни - очень вкусно, но ничего непонятно.

Спасибо BigData Team что не только "накормили", но и дали понять что происходит.
Алексей Егоров
Время обучения прошло эффективно и продуктивно!
Было видно, что преподаватели работали на полную - они даже по ночам порой не спали, готовились к лекциям и переписывали некоторые вещи под нас. Мы получили большое удовольствие от вашего преподавания! Это действительно кропотливый, тонкий труд и я понимаю что это ваше и хобби и жизнь и работа, поэтому я желаю больше творческих открытий, успехов, больше вовлеченных учеников. Чтобы ваш огонь в глазах и желание передать все знания на доступном и простом уровне никогда не угасали как вечный огонь.

Спасибо за ваш труд! Ценим.
От лица всей группы
В рамках обучения Shakhmardan Yessenov Foundation в 2019 году
Все причастные к BigData, Machine Learning
(в общем для тех, кто в тренде 😉).

Кто развивается в этих направлениях и хочет новых знаний и ответов, хочет выучиться на самую актуальную нынче в мире специализацию Data scientist и кому нужны готовенькие специалисты в ML - BigData Team вам в помощь!
Команда - огонь, просто посмотрите их опыт работы и это о многом скажет.

P.S. А как один из слушателей курса хочу отметить преподавательский талант ребят. Тяжело подобрать правильные эпитеты, но они рядом в любое время с ответами на любые вопросы (даже самые глупые), помощью и поддержкой, советами и рекомендациями.

Спасибо вам огромное!
Юлия Королькова

Образовательная лицензия

У нас есть образовательная лицензия - это значит, что мы предоставляем Удостоверение о повышении квалификации государственного образца тем, кто успешно прошел курс.
А еще это значит, что вы можете получить налоговый вычет за обучение на наших курсах.

F.A.Q.

Смогу ли я совмещать занятия с работой?
Занятия проходят онлайн в среду 19:30 - 22:30 и субботу 10:00 - 15:00. Если вы пропустили занятие,
не переживайте: будет видеозапись. Курс включает 32 часа занятий и 48 часов самостоятельной работы.
Мы рекомендуем выделять на обучение 15-20 часов в неделю.
Смогу ли я успешно пройти курс? Какие знания нужны?
Знаний по машинному обучению не требуется, мы обучаем с нуля. Однако для успешного прохождения курса вам надо знать основы Python и не бояться математики. Вы можете пройти тестирование, чтобы оценить уровень подготовки и выявить пробелы в знаниях, которые надо заполнить до начала курса.
У меня есть конкретная задача, которую я хочу решить с помощью машинного обучения. Я смогу это сделать во время курса?
На протяжении курса у вас будет возможность работать над собственным проектом и получить рецензии и рекомендации от преподавателей.
Зачем мне платить за обучение? Есть и бесплатные программы.
Справедливое замечание. Бесплатными источниками информации можно и нужно пользоваться. Однако наш курс дает то, что не дают бесплатные курсы: обратную связь и общение с ментором-преподавателем. Интенсивный темп курса, взаимодействие с наставником и другими студентами позволят быстрее прокачать навыки и освоить больший объем новой информации, чем при самостоятельном изучении.
Смогу ли я оплатить курс в рассрочку?
Да, вы можете оплатить курс по частям. Напишите нам, чтобы оформить рассрочку или обсудить индивидуальные условия платежа.
Смогу ли я получить налоговый вычет за обучение у вас?
Да. Как оформить налоговый вычет, читайте в нашей статье.
У вас есть образовательная лицензия?
Да. Образовательная лицензия номер 1177627017501.
Почему вы не предлагаете трудоустройство выпускникам? Другие предлагают.
Мы считаем, что обучение не гарантирует трудоустройства, поэтому не даем пустых обещаний.
Работодателю важно, насколько хорошо вы разбираетесь в технологиях, с которыми работали, умеете ли самостоятельно решать сложные задачи и находить оптимальные решения. Мы дадим вам актуальные знания и навыки, которые востребованы работодателями, а дальше - дело за вами.
Почему стоит учиться именно у вас?
• Мы любим практику и разбираем реальные кейсы из индустрии и бизнеса.
• Наша команда — это эксперты с опытом работы в NVIDIA, Amazon AWS, Yandex, Rambler. Они преподают в МГУ, ВШЭ, МФТИ, Harbour.Space University, Coursera. За их плечами множество запущенных проектов.
• Нам доверяют обучение ведущие компании и вузы: Сбербанк, Мегафон, X5 Retail Group, ВШЭ, МФТИ.

Остались вопросы?

Заполняя форму, вы соглашаетесь с политикой конфиденциальности
Поймем ваши цели и запрос
Ответим на вопросы по обучению
Порекомендуем материалы
для подготовки к курсу

Приходите учиться к нам!

Click to order
Ваш заказ
Total: 
Ваше имя
Ваш email
Комментарии
Промокод
Действует только на товар Курс целиком
ОБУЧЕНИЕ
ДОКУМЕНТЫ
© 2021 BigData Team
ПОДПИСАТЬСЯ
Icons provided by Tilda publishing
Illustrations designed by Freepik