OTUS

Machine Learning. Advanced

Профи уровень
Наставник: Нет
Сертификат: Нет
Формат: Online
Рассрочка: Нет
Язык: Русский
Осталось мест: не ограничено

80 000 ₽/курс

4 месяца

Записаться

Вы будете перенаправлены на сайт партнера.

OTUS

Machine Learning. Advanced

Продвинутые ML приемы для практикующих Data Scientists, желающих повысить свой профессиональный уровень до Middle+

Подскажем какие навыки и где прокачать

Узнать

Для кого этот курс?

Для аналитиков

Научитесь применять методы машинного обучения в прогнозах
Для программистов

Научитесь строить end-to-end пайплайны и выводить ML-модели в production
Для по работе с данными и машинному обучению

Усовершенствуйте навыки и продвигайтесь по карьерной лестнице

Программа обучения

Тема 1: REST-архитектура: Flask API
Тема 2: Docker: Структура, применение, деплой
Тема 3: Kubernetes, контейнерная оркестрация
Тема 4: Практическое занятие по работе в проде: деплой докера в Yandex Cloud
Тема 1: Извлечение признаков. Fourier и Wavelet transformation, Automatic Feature generation - tsfresh
Тема 2: Unsupervised подходы: Кластеризация временных рядов
Тема 3: Unsupervised подходы: Сегментация временных рядов
Тема 4: Прогнозирование временных рядов
Тема 1: Рекомендательные системы на практике.
Тема 2: Проблема холодного старта. Метод поиска ближайших соседей.
Тема 3: SVD и ALS алгоритмы.
Тема 4: Практическое занятие по рекомендательным системам. Двухуровневая модель.
Тема 5: Обзор нейросетевых моделей
Тема 1: Введение в графы: основные понятия. NetworkX, Stellar
Тема 2: Анализ графов и интерпретация. Community Detection
Тема 3: Link Prediction и Node Classification
Тема 4: Практическое занятие: Хейтеры в Twitter
Тема 1: Введение в вероятностное моделирование, апостериорные оценки, сэмплирование
Тема 2: Markov Chain Monte-Carlo (MCMC), Metropolis–Hastings
Тема 3: Байесовское АB-тестирование
Тема 4: Generalized linear model (GLM) - байесовские регрессии, вывод апостериорных оценок коэффициентов
Тема 5: Практическое занятие по GLM
Тема 6: Практическое занятие по логит-регрессии
Тема 7: Байесовская сеть доверия: практическое занятие
Тема 1: Введение в обучение с подкреплением
Тема 2: Multi-armed bandits для оптимизации AB-тестирования, от теории - сразу в бой
Тема 3: Практическое занятие: Multi-armed bandits в ecommerce: search оптимизация
Тема 4: Markov Decision Process, Value function, Bellman equation
Тема 5: Value iteration, Policy iteration
Тема 6: Monte Carlo Methods
Тема 7: Temporal Difference (TD) и Q-learning
Тема 8: SARSA и Практическое занятие: финансовый кейс TD и Q-learning
Тема 9: Q&A
Тема 1: Production Code проекта на примере задачи классификации/регрессии, Virtual environments, dependency management, pypi/gemfury
Тема 2: Практическое занятие - Оптимизация кода, parallelization, multiprocessing, ускорение pandas, Modin для Pandas
Тема 3: Advanced Data Preprocessing. Categorical Encodings
Тема 4: Featuretools - а вы что, за меня и признаки придумывать будете?
Тема 5: H2O и TPOT - а вы что, за меня и модели строить будете?
Тема 6: Поиск нечетких дублей
Тема 7: Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей
Тема 1: Выбор темы проекта
Тема 2: Бонус: Поиск Data Science работы
Тема 3: Предзащита проектных работ №1
Тема 4: Предзащита проектный работ №2
Тема 5: Защита проектных работ