Учебный план
О курсе
Онлайн курс «Введение в машинное обучение для начинающих» — это программа профессиональной переподготовки, направленная на освоение базовых понятий машинного обучения, искусственного интеллекта, работы с данными, алгоритмов, моделей, метрик качества и практических инструментов анализа данных. Курс рассчитан на слушателей, которые только начинают знакомиться с машинным обучением и хотят понять, как модели обучаются, где применяются и какие задачи помогают решать.
В рамках курса Вы изучите основные направления машинного обучения: обучение с учителем, обучение без учителя, классификацию, регрессию, кластеризацию, прогнозирование, обработку данных, построение признаков, оценку качества моделей и интерпретацию результатов.
Курс включает практическое знакомство с инструментами анализа данных и базовыми библиотеками Python. Вы рассмотрите работу с таблицами, подготовку данных, визуализацию, построение простых моделей, сравнение результатов, выявление ошибок и оформление аналитических выводов.
Отдельный блок посвящён логике построения ML-проекта. Вы изучите постановку задачи, сбор и подготовку данных, разделение выборки, обучение модели, проверку качества, подбор параметров, интерпретацию результата и подготовку итогового отчета.
Особое внимание уделяется ограничениям машинного обучения. Вы рассмотрите переобучение, недообучение, качество данных, смещения, ошибки интерпретации, этику, конфиденциальность, риски автоматических решений и необходимость экспертной проверки результатов.
Практический блок программы направлен на создание первого учебного ML-проекта. Вы сможете подготовить данные, построить простую модель, оценить её качество, сформулировать выводы и представить итоговый проект по применению машинного обучения.
В ходе программы Вы освоите:
• базовые понятия машинного обучения и искусственного интеллекта;
• основные типы задач: классификация, регрессия и кластеризация;
• подготовку данных для обучения моделей;
• базовые алгоритмы машинного обучения;
• метрики качества моделей и способы их интерпретации;
• работу с простыми наборами данных;
• структуру ML-проекта от задачи до результата;
• ограничения, риски и этические аспекты применения машинного обучения.
Программа подойдёт начинающим аналитикам, студентам, специалистам ИТ-направлений, менеджерам цифровых проектов, предпринимателям, преподавателям, специалистам по данным начального уровня и всем, кто хочет получить базовое понимание машинного обучения.
Цели и задачи курса
Цель программы — сформировать у слушателей базовые знания и практические навыки применения машинного обучения для анализа данных и решения учебных прикладных задач.
В рамках курса Вы освоите:
• основы через изучение терминов, направлений и задач машинного обучения;
• данные через сбор, очистку, подготовку и анализ исходных таблиц;
• модели через обучение простых алгоритмов классификации, регрессии и кластеризации;
• качество через выбор метрик, проверку результатов и интерпретацию ошибок;
• проект через последовательную работу от постановки задачи до отчета;
• безопасность через понимание ограничений, качества данных и ответственности при использовании моделей.
Программа даст ответы на следующие вопросы:
• Что такое машинное обучение и чем оно отличается от обычного программирования?
• Какие задачи решают ML-модели?
• Как данные используются для обучения модели?
• Что такое классификация, регрессия и кластеризация?
• Как оценить качество модели?
• Почему модель может ошибаться?
• Как выглядит простой проект по машинному обучению?
По окончании обучения Вы получите
Диплом о профессиональной переподготовке, подтверждающий освоение программы «Введение в машинное обучение для начинающих» и базовые компетенции в области машинного обучения, анализа данных и построения простых ML-моделей.
Учебный план курса
• Введение в искусственный интеллект и машинное обучение
• Машинное обучение и традиционное программирование
• Основные понятия ML: данные, признаки, модель, обучение, прогноз
• Типы задач машинного обучения
• Обучение с учителем
• Обучение без учителя
• Классификация
• Регрессия
• Кластеризация
• Прогнозирование
• Жизненный цикл ML-проекта
• Постановка задачи машинного обучения
• Сбор и подготовка данных
• Табличные данные и признаки
• Очистка данных
• Пропущенные значения и выбросы
• Кодирование категориальных признаков
• Масштабирование признаков
• Разделение данных на обучающую и тестовую выборки
• Базовые алгоритмы классификации
• Базовые алгоритмы регрессии
• Базовые алгоритмы кластеризации
• Деревья решений
• Линейные модели
• Метод ближайших соседей
• Метрики качества классификации
• Метрики качества регрессии
• Переобучение и недообучение
• Подбор параметров модели
• Интерпретация результатов
• Визуализация данных и результатов
• Подготовка аналитического отчета
• Ошибки и ограничения машинного обучения
• Качество данных и влияние на результат
• Этика и безопасность ML-решений
• Итоговый проект: первая модель машинного обучения
• Итоговая аттестация — тестирование и защита проекта
Что нужно для поступления на программу:
Для поступления Вам необходимо прислать скан-копии или фотографии документов об образовании, паспортные данные и удаленно заключить договор. Гражданам Российской Федерации потребуются:
• Паспорт или другой документ, удостоверяющий личность или гражданство;
• Страховой номер индивидуального лицевого счета (СНИЛС);
• Документ об образовании и квалификации (фотография или скан-копия);
• Справка об обучении в организации высшего или среднего профессионального образования, если Вы в настоящее время являетесь студентом (фотография или скан-копия);
• Документ, подтверждающий факт изменения фамилии, имени или отчества (при необходимости) (фотография или скан-копия).
Гражданам иностранных государств и лицам без гражданства следует уточнить список необходимых сведений и документов в отделе организации приема по телефону или через форму заявки на консультацию.
Выгоды и скидки, варианты оплаты, рассрочка платежа:
• Вы сможете вернуть 13% от стоимости обучения в виде социального налогового вычета, обратившись в налоговую службу по месту постоянной регистрации.
• Чтобы запросить документы для получения налогового вычета, необходимо обратиться в методический отдел, написав нам на электронную почту mcnokurs@yandex.ru.
• Проверка документов после подачи в ФНС осуществляется в течение трех месяцев. Если ответ положительный, средства возвращаются.
• Обратите внимание, что декларация и заявление заполняются и подаются слушателем самостоятельно.
• (Нормативное обоснование получения налогового вычета регламентировано статьями 78, 80, 83, 88, 219 Налогового кодекса РФ).
• Беспроцентная рассрочка
• Вы можете получить беспроцентную рассрочку на программы профессиональной переподготовки.
Для получения дополнительной информации о рассрочке на конкретную программу обратитесь к специалисту приемной комиссии
