Машинное обучение и анализ данных 專項課程

Машинное обучение и анализ данных。 Типовые задачи машинного обучения и анализа данных и методы их решения

本專項課程介紹

Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач. В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python. Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д. В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании. Все, прошедшие специализацию, могут принять участие в Программе трудоустройства. Если вы заинтересованы в новых проектах, новых перспективах и возможностях - пройдите обучение по Специализации и подайте заявку.

製作方：

6 courses

按照建議的順序或選擇您自己的順序。

項目

旨在幫助您實踐和應用所學到的技能。

證書

在您的簡歷和領英中展示您的新技能。

項目概覽

Финальный проект даст вам возможность применить полученные в рамках специализации знания к задаче из реального мира. Под руководством успешных специалистов в науке о данных вы сможете поработать над актуальным проектом в одной из областей: электронная коммерция, социальные медиа, информационный поиск, бизнес-аналитика и др.

В отличие от задач, основанных на модельных данных, работа над проектом из реальной жизни даст вам возможность самостоятельно пройти все этапы анализа данных — от подготовки данных до построения финальной модели и оценки её качества. В результате в вашем арсенале появится проект, который вы сможете использовать на практике и самостоятельно развивать в дальнейшем.

Наличие такого проекта станет вашим конкурентным преимуществом, ведь вы всегда сможете продемонстрировать успешный проект потенциальному работодателю.

課程

Intermediate Specialization.: Some related experience required.

第 1 門課程
Математика и Python для анализа данных
字幕
Russian
課程概述
Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы ан
您可以選擇只參加本課程。 了解更多。
第 2 門課程
Обучение на размеченных данных
字幕
Russian
課程概述
Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров
您可以選擇只參加本課程。 了解更多。
第 3 門課程
Поиск структуры в данных
課程學習時間
4 недели обучения, через 3-5 часа / неделю
字幕
Russian
課程概述
В машинном обучении встречаются задачи, где нужно изучить структуру данных, найти в них скрытые взаимосвязи и закономерности. Например, нам может понадобиться описать каждого клиента банка с помощью меньшего количества переменных — для этого можно использ
您可以選擇只參加本課程。 了解更多。
第 4 門課程
Построение выводов по данным
課程學習時間
4 недели обучения, через 2-4 часа / неделю
字幕
Russian
課程概述
Влияет ли знание методов анализа данных на уровень заработной платы? Работает ли система оценки кредитоспособности клиентов банка? Действительно ли новый баннер лучше старого? Чтобы ответить на такие вопросы, нужно собрать данные. Данные почти всегда содержат
您可以選擇只參加本課程。 了解更多。
第 5 門課程
Прикладные задачи анализа данных
字幕
Russian
課程概述
Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалис
您可以選擇只參加本課程。 了解更多。
第 6 門課程
Анализ данных: финальный проект
計劃開課班次：Oct 8
字幕
Russian
畢業項目介紹
Финальный проект даст вам возможность применить полученные в рамках специализации знания к задаче из реального мира. Под руководством успешных специалистов в науке о данных вы сможете поработать над актуальным проектом в одной из областей: электронная комме
您可以選擇只參加本課程。 了解更多。

製作方

Специализация, созданная МФТИ, одним из ведущих технических Вузов России, в партнерстве с Yandex, известной Российской ИТ-компанией, дает возможность получить современную и крайне востребованную специальность, а ее успешное прохождение позволяет претендовать на высокооплачиваемые должности с серьезными карьерными перспективами.
Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры.
Яндекс много лет занимается подготовкой специалистов для IT-индустрии. В 2007 году была создана Школа анализа данных (ШАД) — двухгодичные вечерние курсы для студентов и выпускников вузов. В 2014 году Яндекс совместно с НИУ ВШЭ открыл факультет компьютерных наук. Базовая кафедра Яндекса есть также в МФТИ. Компания проводит курсы для разработчиков, менеджеров и дизайнеров. В 2016 году был запущен проект по обучению школьников программированию — Яндекс.Лицей.
Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world.