Основы машинного обучения

В эпоху цифровой экономики способность эффективно работать с данными становится одной из ключевых компетенций специалиста любого профиля. Машинное обучение перестало быть уделом узких экспертов — сегодня оно проникает в финансы, логистику, медицину, образование, маркетинг и управление. Вопрос больше не в том, стоит ли осваивать эти технологии, а в том, насколько быстро вы сможете внедрить их в свою практику.

Программа повышения квалификации «Основы машинного обучения» (32 академических часа) представляет собой структурированное введение в фундаментальные принципы и практические алгоритмы Data Science. 

Курс построен по принципу «от данных — к модели — к решению» и ориентирован на формирование прикладных компетенций, востребованных в современной научно-исследовательской и производственной деятельности.

В результате обучения слушатели смогут: 

• осознанно выбирать и применять алгоритмы классификации, регрессии и кластеризации в зависимости от типа задачи и характера данных; 
• осуществлять предобработку и разведочный анализ данных, выявляя значимые закономерности и скрытые паттерны; 
• реализовывать вычислительные протоколы на языке Python с использованием профильных библиотек (pandas, numpy, scikit-learn); 
• критически оценивать качество построенных моделей и интерпретировать полученные результаты для принятия управленческих и исследовательских решений.

Содержание курса разбито на четыре логически связанных модуля: от базовых принципов Data Science и экосистемы Python до алгоритмов обучения с учителем и без учителя, завершаясь полноценным практическим кейсом по применению МО в предметной области слушателя.

Формат обучения — полностью дистанционный, без жесткой привязки к расписанию. Это позволяет совмещать освоение программы с текущей профессиональной нагрузкой, выстраивая индивидуальный ритм работы с материалами.

Программа адресована как начинающим аналитикам и исследователям, так и практикующим специалистам, стремящимся повысить свою цифровую квалификацию и получить надежный инструментарий для работы с данными в своей отрасли.

Содержание курса:

Модуль 1. Основы машинного обучения и анализ данных – введение в Data Science, основные библиотеки Python, подготовка данных.

Модуль 2. Методы машинного обучения с учителем – алгоритмы регрессии, классификации, оценка качества моделей

Модуль 3. Методы машинного обучения без учителя

Модуль 4. Практическое применение алгоритмов машинного обучения

Автор курса

Боженко Виктория Вячеславовна - старший преподаватель кафедры прикладной информатики (преподаваемые дисциплины: «Технологии программирования», «Машинное обучение», «Введение в анализ данных», «Базы данных», «Информационные системы и технологии»)