Машинное обучение: основы
Курс «Машинное обучение: основы» направлен на практическое знакомство слушателей с базовыми методами машинного обучения и анализа данных. Он поможет освоить классы и методы основных решаемых на сегодняшний день задач машинного обучения и его приложений в области искусственного интеллекта.
О курсе
Данный курс может быть полезен слушателям, которые активно интересуются современными тенденциями в области машинного обучения, анализа данных и искусственного интеллекта, имеют некоторое представление в данной области и желают применить имеющиеся знания на практике. Он позволит составить четкое понимание предметной области, разобраться в популярных классах решаемых задач, используемых методах решения, а также областях приложения результатов.
Каждый модуль курса включает видеолекции, презентации, листинги используемого кода, ссылки на рекомендованные источники по теме и другие материалы. Для формирования практических навыков используются не только тестовые задания, но и наборы данных и кейсы.
В результате освоения онлайн-курса обучающиеся смогут произвести базовые операции по анализу набора данных и решению некоторой задачи машинного обучения. В рамках подготовки данных к обучению слушатели научатся понимать и анализировать их, а также идентифицировать потенциальные некорректности. Также обучающиеся смогут решить с исходным набором поставленные задачи регрессии, классификации, кластеризации разными методами и сравнить качество полученных решений. Этот курс совместно с курсом по основам искусственного интеллекта сформирует у вас цельное восприятие искусственного интеллекта как науки, даст ориентиры и тенденции в области, а также сориентирует вас в практических аспектах этих областей.
Узнать подробнее и записаться на онлайн-курс СПбГУ «Искусственный интеллект: основы» можно по ссылке.
Требования
Для успешного освоения курса необходимы базовые знания в области информатики.
Программа курса
Модуль 1. Введение в практический ML
Модуль 2. Задача регрессии. Валидация результатов
Модуль 3. Задача классификации
Модуль 4. Задача кластеризации
Модуль 5. Ансамбли и нейронные сети
Результаты обучения
По завершении этого курса вы будете:
Знать:
- фундаментальные научные принципы и методы исследований;
- классы методов и алгоритмов машинного обучения;
- специфику сфер и отраслей, для которых реализуется проект по аналитике больших данных.
Уметь:
- адаптировать фундаментальные и новые научные принципы и методы исследований с целью практического применения;
- ставить задачи и разрабатывать новые методы и алгоритмы машинного обучения;
- решать задачи по руководству коллективной проектной деятельностью для создания, поддержки и использования комплексных систем на основе аналитик больших данных.
Владеть:
- навыками адаптации известных научных принципов и методов исследований с целью их практического применения;
- навыками решения профессиональных задач на основе применения новых научных принципов и методов исследования;
- навыками постановки задачи по разработке и совершенствованию методов и алгоритмов для решения комплекса задач предметной области;
- навыками осуществления руководства проектом по построению комплексных систем на основе аналитики больших данных в различных отраслях.
