PYML: Машинное обучение на Python

Все курсы

Практический курс ML Практикум: от теории к промышленному использованию

Код курса Даты начала курса Стоимость обучения Длительность обучения Формат обучения
PYML
26 мая 2025
11 августа 2025
54 000 руб. 24 ак.часов Дистанционный
Регистрация

Что такое машинное обучение (Machine Learning)

Машинное обучение (Machine Learning) — это раздел искусственного интеллекта, изучающий математические, статистические и вычислительные методы для разработки алгоритмов, способных обучаться и решать задачи не прямым способом, а на основе поиска закономерностей в разнообразных входных данных. Решение вычисляется не по точно заданной формуле, а по установленной зависимости результатов от конкретного набора признаков и их значений.

Хотите понять, как машины учатся предсказывать будущее, распознавать образы или выявлять мошенничество?  Машинное обучение (Machine Learning) — это мощный инструмент, который позволяет извлекать ценные знания из данных и решать сложнейшие задачи, от прогнозирования оттока клиентов до постановки диагнозов по медицинским снимкам. 

Наш 6-дневный практический курс — это ваше погружение в основы Machine Learning с использованием Python. Вы не только разберетесь в базовых концепциях, но и получите практические навыки построения своих первых ML-моделей.

Что вы освоите?
  • Понимание Основ ML: Что такое машинное обучение, его место в AI, и какие задачи оно решает.   
  • Математический Фундамент: Разберетесь с основными математическими и статистическими принципами, лежащими в основе базовых ML-алгоритмов.  
  • Базовые Методы ML: Освоите ключевые подходы к решению задач классификации, регрессии и других.  
  • Подготовка Данных: Научитесь обрабатывать и подготавливать датасеты для эффективного моделирования.  
  • Построение Моделей на Python: Получите практический опыт создания, обучения и оценки базовых моделей Machine Learning с использованием популярных библиотек Python (например, Scikit-learn — предположение, т.к. это стандарт индустрии).  
  • Интерпретация Результатов: Научитесь понимать и объяснять результаты работы ваших моделей. 

Как построен образовательный курс «ML Практикум: от теории к промышленному использованию»

Продолжительность: 6 дней, 24 академических часа.

Соотношение теории к практике 50/50

О курсе: Данный курс является практическим руководством для специалистов, которым предстоит столкнуться в рабочих задачах с методами машинного обучения.  В курсе будет рассказано о формализации таких задачах и современных подходах к их решению. Большое внимание в курсе уделено практической реализации методов ML на языке Python.

Аудитория:  

  • Аналитики Данных: Чтобы добавить методы ML в свой арсенал анализа.
  •  Разработчики ПО: Для интеграции интеллектуальных функций в приложения.
  • Руководители и Менеджеры: Чтобы понимать возможности ML для бизнеса и принимать обоснованные решения.   
  • Специалисты по Big Data: Желающие перейти от обработки данных к их интеллектуальному анализу

Предварительный уровень подготовки:

Успешно окончив курс «ML Практикум: от теории к промышленному использованию» в нашем лицензированном учебном центревы получите сертификат о повышении квалификации установленного образца.

Программа курса "Машинное обучение на Python"

Кто проводит курс

prepod-oleg-konorev.jpg
Преподаватель Школы Больших Данных

Конорев Олег

Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
  • Руководитель группы Data Science в НИИ “Квант”, Москва
  • Computer vision (CV) – решение задач по классификации и детектировании объектов на фото и видео, идентификации человека,  сегментации изображений и распознаванию текста с библиотеками OpenCV, Tensorflow API и архитектурами нейронных сетей  Yolo, SSD, fRCNN, U-net и пр.
  • Natural language processing (NLP– решение задач по классификации текстов, извлечению именованных сущностей (NER) и ключевых слов с библиотеками gensim, nltk, fasttext, spacy и др. Построение различных архитектур на основе искусственных нейронных сетей с использованием различных представлений слов (Embedding, Word2Vec) и готовых нейросетевых решений (Bert, fastai)
  • Time series analysis – решение задач обработки, анализа и классификации аудио сигналов с библиотеками librosa, ffmpeg и различных архитектур нейронных сетей, а также предсказание значений временных рядов (time series forecasting) в приложении к котировкам активов с использованием классических решений (ARMA, ARIMA) и моделей на базе сверточных нейронных сетей (CNN), рекуррентных нейронных сетей (LSTM,GRU) и их комбинаций.
  • Проекты сегментации сигналов с различных датчиков и приборов и распознавания речи (speech-to-text) с облачными сервисами Yandex и Google.
prepod-ermilov-dmitrij-mihajlovich.jpg
Преподаватель Школы Больших Данных

Ермилов Дмитрий

Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
  • Ведущий Data Scientist в ФГУП “Центр информационных технологий”, Москва
  • Руководитель программ в Университете искусственного интеллекта, Москва.
  • Кандидат наук (2017 год, Московский государственный университет им. М.В. Ломоносова, Москва)
Если у Вас остались вопросы Вы можете позвонить к нам по телефону +7 (495) 414-11-21  или заполнить форму обратной связи на сайте.
Я даю свое согласие на обработку персональных данных и соглашаюсь с политикой конфиденциальности.

Поиск по сайту