Практический курс machine learning

Разобраться и научиться применять машинное обучение на реальных данных с нуля

Наш подход

Мы считаем что машинное обучение доступно для всех и входит в набор инструментов, которыми должен обладать современный инженер, чтобы более успешно решать текущие задачи а так же расширить область задач, которые могут быть решены эффективно.

Мы собрали весь опыт, все существующие курсы по машинному обучению и сделали максимально сжатый онлайн-курс на самых простых и лучших объяснениях сложных вещей с упором на реальные бизнес-кейсы.

За 12 недель мы рассмотрим все актуальные методы машинного обучения, научимся решать основные проблемы, определять задачу машинного обучения и внедрять на реальных данных. Мы используем подход code-first - сперва решаем бизнес-задачу с помощью инструментов - затем разбираемся как они устроены изнутри. Математическая подготовка не требуется - все базовые необходимые концепции мы пройдем по ходу курса.
Смотреть программу

Этот курс подойдет вам, если:

Вы хотите сделать технологический прорыв на текущем месте работы
Но не знаете с чего начать или считаете что у вас мало данных
Вы хотите сменить область деятельности на более исследовательскую
Наш курс - отличная стартовая площадка для широкого кругозора
Вы давно слышали хайп про AI
Но не приступали к изучению потому что считаете что у вас не хватает специальных знаний
Вы пробовали проходить курсы по машинному обучению
Но было слишком далеко от практики или непонятно
Вы хотите больше зарабатывать
Не секрет что сейчас большая нехватка специалистов по ml - а значит и высокий спрос
Вы знаете базовые принципы машинного обучения
Но не знаете как начать их применять на практике

За 12 недель вы научитесь

1
Искать закономерности и неявные связи в данных
2
Определять задачи в которых ml может дать преимущество на практике
3
Правильно собирать данные для модели
4
Правильно выбирать критерии качества
5
Определять правильный подход к решению задачи и выбирать необходимые инструменты
6
Понимать как устроены сложные модели изнутри - уметь заглядывать в "черный ящик"
7
Поднимать простой продукт-гипотезу вокруг модели
8
Понимать как технологии машинного обучения дают преимущество в самых сложных сервисах - таких как Яндекс. Поиск, Алиса и Беспилотники
9
Участвовать в соревнованиях на kaggle
10
Разбираться в индустрии, читать научные статьи, добывать необходимую информацию и развиваться в интересном для вас направлении машинного обучения
Записаться на курс
Авторы курса
Сергей Купцов
Разработчик и ML-энтузиаст
Разрабатывал банковские приложения для Тинькова
Развивал бэкенд hh.ru
Двигал стартап социальной сети myfriends.com

Сейчас работает над развитием голосовых технологий Алисы в Яндексе
Кристина Исакова
Data-scientist / ML-specialist в Flixbus. Мюнхен
Master degree in Mathematical modelling in Engineering, University of L'Aquila, Italy

В Flixbus решает задачи поиска фрод, разрабатывает бизнес-кейсы и строит прогнозные модели

Программа курса

21 января – 31 марта 2021 г.
Занятие 1
Поиск закономерностей в данных
  • Инструменты по работе с данными
  • Метрики

Бизнес-кейс: Исследование причин оттока клиентов
Занятие 2
Решающие деревья. Ансамбли
  • Устройство решающих деревьев
  • Композиции деревьев
  • Разделение выборок. Выбор бейзлайна
Бизнес-кейсы: Прогнозирование спроса на товар
Занятие 3
Работа с временными рядами
  • Self-supervised
  • Определение трендов
  • Метрики, кроссвалидация
Бизнес-кейсы:
  • Детектирование аномалий в поведении пользователей на сайте
  • Прогнозирование сезонности спроса
Занятие 4
Кластеризация и визуализация
  • Обучение без учителя
  • Понижение размерности
  • Кластеризация
Бизнес-кейсы:
  • Определение мошенничества в продажах
  • Кластеризация покупателей
Занятие 5
Нейронные сети. Компьютерное зрение
  • Нейронные сети
  • Функции потерь
  • Подбор гиперпараметров
Бизнес-кейс: Распознавание текста на фото
Занятие 6
Глубокие нейронные сети. Распознавание объектов
  • Оптимизация нейронных сетей
  • Глубокие нейронные сети
  • Сверточные сети
  • Вывод модели в продакшн
Бизнес-кейс: Распознавание объектов на фото
Занятие 7
Табличные данные
  • Этапы анализа данных
  • Предобработка
  • Работа с категориальными и текстовыми признаками
Бизнес-кейс: Прогнозирование цен на товар
Занятие 8
Системы рекомендаций
  • Эмбеддинги
  • Коллабортивная фильтрация
Бизнес-кейс: Рекомендации статей
Занятие 9
Работа с текстом
  • Рекуррентные сети
  • NLP
Бизнес-кейс: Автоматический чат-бот на сайте
Занятие 10
Градиентный бустинг
Бизнес-кейс: Кредитный скоринг
Занятие 11
Выбор модели и принятие решения
  • Поиск задач
  • Этапы анализа данных
  • Построение гипотезы
  • Сбор датасета
  • Предобработка и работа с признаками
  • Обзор алгоритмов
  • Оценивание качества
  • Обзор архитектуры больших сервисов
Финальный проект
Занятие 12
Открытый урок. Разбираем задачи слушателей
  • Вектор дальнейшего развития
  • Обсуждение задач слушателей курса
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности

Как устроен курс

  • Курс устроен в виде вебинаров с преподавателем 1 раз в неделю(в среду в 19 по мск) по 1.5-2 часа на протяжении 12 недель
  • Материалами уроков будут исполняемые jupyter-лонгриды в github, к которым можно вернуться, повторить, поэкспериментировать
  • Каждый урок содержит теорию на примере реального бизнес-кейса, код, несколько домашних практических заданий которые мы будем обсуждать на следующем уроке
  • Часть уроков содержит туториалы по быстрому поднятию mvp-прототипа с интерфейсом над моделью который можно показать знакомым
  • На каждое домашнее задание вам понадобится примерно 3-4 часа
  • В течение недели вам так же будут прилетать тесты по прошедшему вебинару и дополнительные материалы и литературы в телеграм
  • Итого 2 часа вебинара плюс 8 часов домашней работы и 30 мин на решение тестов по прошедшему уроку в неделю

Успейте записаться на курс от практиков и стать одним из тех кто будет формировать будущее завтра

Стоимость курса: 29 500 ₽
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Вопросы-ответы
Если не нашли ответ на свой вопрос - напишите нам в чатик.
Что если у меня нет опыта программирования?
К сожалению для того чтобы быстро двигаться по курсу необходимы базовые навыки программирования - работа с циклами, массивами и т.д. Если у вас нет опыта программирования - наш курс вам не подойдет.
Что если я пропущу вебинар?
Можно будет посмотреть в записи или пройтись по материалам урока самостоятельно.
А если мне не понравится?
В любой момент вы можете прервать курс и мы вернем вам деньги - заплатите только за прослушанную часть курса - если покинете нас после первого занятия - то вернем всю стоимость.
Что если у меня нет математической подготовки?
Математическая подготовка для курса не требуется - весь необходимый математический инструмент мы пройдем по ходу курса.
Что если у меня не будет времени выполнять домашние задания?
Курс устроен таким образом, что не требует обязательного выполнения домашнего задания. Вы можете остаться на уровне понимания концепций и возможностей машинного обучения без практики.
Нужен очень мощный компьютер или дорогостоящие сервера?
Для машинного обучения не нужен очень мощный компьютер или дорогостоящие сервера - все сложные вычисления мы будем проводить в бесплатном облаке Google Colab.
Что если я не знаю Python?
Все уроки построены на самом распространенном в data-science сообществе языка - python, - так же на нем написано наибольшее кол-во фреймворком. Его плюс в том, что он интуитивно понятен и прост в освоении после знания других распространенных языков. Перед начало курса мы даем краткий обзор возможностей языка.

Кстати,- недавно python вышел на первое место по популярности в мире - отличный повод добавить его к своему языку.
Есть ли вступительные экзамены?
Да, нужно пройти простой тест по базовым структурам языка python по выданным материалам. Это позволит не тратить время на лекциях на простую обработку данных. Необходимые специализированные для машинного обучения библиотеки мы будем проходить в курсе.
Чем вы отличаетесь от других подобных курсов?
Наш задача - снять завесу тайны над машинным обучением - поделиться простыми интуициями, выработать кругозор, показать весь инструментарий и мотивировать вас применять машинное обучение уже сейчас на тех данных которые у вас есть.

Мы регулярно проводим открытый вебинар, в котором рассказываем про наш подход, наш опыт, чем наш курс отличается от остальных - вы можете бесплатно на него прийти и понять для себя.

Если по пунктам - то мы видим отличия от других курсов в этом:
- индивидуальный подход - потому что каждая лекция и обсуждение домашней работы проходит с живым преподавателем
- микрообучение (дополнительные материалы и тесты приходят в телеграмме регулярно в небольшом объеме)
- вы получаете работающий мини-продукт после каждого блока а не просто набор решенных домашек
- мы нацелены на применение знаний на текущем месте работы а не на получение новой профессии