Скидка 40% при оплате до 21 октября

Машинное обучение

Освойте востребованную профессию и получите опыт разработки Machine Learning-проектов: от сбора данных до оптимизации моделей.

Длительность

6 месяцев

Требования

Знание Python и математики

Результат

2 проекта в портфолио

Формат обучения

Онлайн-вебинары

Data Scientist — это специалист, который работает с данными: анализирует их, прогнозирует события и находит неочевидные закономерности. Он помогает развивать продукты и оптимизировать процессы в бизнесе, медицине, промышленности и науке — всё это с помощью нейросетей и машинного обучения.

Кому подойдет курс

Новичкам
в Machine Learning

Вы хотите перейти в Data Science из другой области. Вам будет проще пройти курс, если разбираетесь в математике и Python.

Разработчикам
с опытом

Научитесь использовать машинное обучение в работе: изучите алгоритмы, потренируетесь решать задачи и обучите свою рекомендательную систему.

Бизнес-
аналитикам

Научитесь внедрять ML- модели, прогнозирующие различные показатели. Больше не придётся ограничиваться только базовой аналитикой.

Станьте специалистом по Machine Learning

Актуальная программа

Мы обновляем программу ежегодно: проводим исследования и учитываем требования работодателей.

Практикующие специалисты

У преподавателей большой опыт в IT: они автоматизируют процессы в X5 Retail Group, Delivery Club, oneFactor и Dentsu Aegis Network Russia.

Экспертиза Mail.ru Group — IT-гиганта

В группу входит много бизнес-продуктов: ВКонтакте, Delivery Club, Ситимобил и другие. Мы анализируем их развитие и делимся с вами накопленными знаниями.

Бизнес ищет специалистов
по Machine Learning

110 000 ₽

Средняя зарплата специалиста
*Данные взяты с сайтов по поиску работы
Data Scientist в агентстве
Санкт-Петербург
100 000 руб.
Data Analyst в банке
Москва
120 000 руб.
Data Scientist в FMCG
Москва
100 000 руб.
100%
студентов GeekBrains, которые обратились в наш центр карьеры, ежегодно выходят на работу по специальности.

Помогаем начать карьеру

Консультируем

Поможем проанализировать ваши компетенции и пути карьерного развития.

Помогаем с резюме

Чтобы вы выгодно выделялись на фоне конкурентов, наши HR-специалисты помогут составить резюме.

Предлагаем вакансии

Менеджер по трудоустройству отправляет подборки вакансий, а вы откликаетесь на самые интересные.

Помогаем получить работу мечты

Дадим советы, как пройти собеседование, и поздравим с оффером :-)

Выпускники GeekBrains востребованы на рынке

Многие из наших выпускников раньше не работали в IT, но после обучения открыли свой бизнес или устроились в крупные компании.

Наши студенты достигают успеха

Алексей Старцев

Студент факультета аналитики Big Data

Я начал изучать Big Data и быстро почувствовал, что знания по аналитике легко дополняют мой практический опыт. В итоге я переквалифицировался в аналитика, повысил заработок в 2,5 раза.    

Деньги — это временный мотиватор: чтобы постоянно развиваться, надо жить своим делом. Чтобы убедиться, что тебе нравится IT, пообщайся с разработчиками: они расскажут о сложностях и перспективах развития.

Вадим Мазейко

Студент факультета аналитики Big Data

В 33 года сложно осваивать новую специальность, особенно с двумя маленькими детьми. С первого месяца обучения я научился экономить время на работе: написал парсер госзакупок, обрабатывал огромные эксельки при помощи pandas и визуализировал их в Matplotlib.

Моя цель — переквалифицироваться в аналитика, и я рад, что ребята из GeekBrains поддерживают меня на этом пути.

Константин Воронков

Выпускник факультета искусственного интеллекта

Из-за разницы во времени я смотрел занятия в записи, но это не повлияло на качество обучения. В GeekBrains одинаково хорошо объясняют азы и нюансы.

После обучения научился использовать методы машинного обучения в работе, например, чтобы прогнозировать спрос на продукцию. Теперь, когда появляется новый бизнес-процесс, в первую очередь думаю, как его реализовать без человека. 

Старайтесь сложные задачи решать утром — это самое продуктивное время. Если задача не решается, отложите до завтра — решение обязательно придёт.

Программа обучения

1
Ноябрь

Введение в математику

Линейная алгебра

Операции над матрицами и векторами.

Математический анализ

Функция, её производная, градиент.

Случайные события

Условная вероятность, формула Байеса, независимые испытания.

Дискретные случайные величины

Закон распределения вероятностей, биномиальный закон распределения, распределение Пуассона.

Описательная статистика

Качественные и количественные характеристики популяции, графическое представление данных.

Непрерывные случайные величины

Функция и плотность распределения вероятностей, равномерное и нормальное распределение, центральная предельная теорема.

Проверка статистических гипотез

P-значения, доверительные интервалы, A/B-тестирование.

Взаимосвязь величин

Параметрические и непараметрические показатели корреляции, корреляционный анализ, расчет корреляции для заданных значений.

Многомерные статистические методы

Многомерный статистический анализ. Линейная регрессия.

Поиск зависимостей

Дисперсионный анализ. Логистическая регрессия.

2
Декабрь

Алгоритмы и структуры данных на Python

Введение в алгоритмизацию и реализация простых алгоритмов на Python

Понятие алгоритмов, их виды, исполнители и способы представления, 4 практических кейса.

Циклы, рекурсия, функции

Циклы — многократное повторение однотипных действий. Рекурсивный перебор, алгоритм Евклида. Решето Эратосфена — алгоритм определения простых чисел. Использование функций.

Массивы, кортежи, множества, списки

Понятие массива, кортежа, множества и списков. Обработка последовательностей, одномерных и двумерных массивов. Работа с ассоциативными массивами (таблицами данных). Бинарный поиск элемента в массиве.

Эмпирическая оценка алгоритмов на Python

Измерения времени работы с использованием timeit. Профайлер.

Коллекция и ее типы

Основные типы коллекций: counter, doque, defaultdict, ordereddict, namedtuple.

Решение 4 практических задач: 

  1. Написать программу сложения и умножения комплексных чисел.
  2. Определить студентов с баллом выше среднего.
  3. Изменить данные о товарах.
  4. Выяснить, принадлежит ли дата диапазону времени.
Работа с динамической памятью

Управление памятью и представление коллекций.

Алгоритмы сортировки

Как работают разные алгоритмы сортировки: пузырьком, быстрая, обратная, сортировка Шелла, с использованием ключа или функции attrgetter.

Деревья и хэш-функции

Двоичные деревья поиска, проход по дереву, хэш-функция.

3
Январь

Библиотеки Python для Data Science: NumPy, Matplotlib

NumPy

Вычисления с помощью Numpy. Работа с данными в Pandas.

Matplotlib

Визуализация данных в Matplotlib.

Инструменты для анализа данных Python

Pickle, itertools, collections.

4
Февраль

Машинное обучение

Классическое обучение с учителем, задача классификации

Задача и метрики классификации. Классификаторы KNN и Logloss. Логистическая регрессия и градиентный спуск. Задача на классификацию людей с сердечно-сосудистыми заболеваниями.

Классическое обучение с учителем. Задача регрессии

Задача и метрики регрессии, Loss-функции для регрессии. Линейная регрессия и регуляризация. Задача предсказание спроса на товар по предыдущим данным.

Алгоритмы задач классификации и регрессии

Деревья для задачи классификации и регрессии. Случайный лес, принципы построения, метод опорных векторов. Проработка задачи по товарам или сердечно-сосудистым заболеваниям.

Классическое обучение без учителя

Задача и метрики кластеризации. Методы кластеризации DBSCAN и KMeans, агломеративная кластеризация, кластеризация деревьями. Добавление признаков из кластеризации в задачу классификации людей с ССЗ.

Методы снижения размерности

Методы SVD, PCA, tSNV.

Ансамбли

Бустинг и градиентный бустинг: AdaBoost, XGboost, CatBoost.

Категориальные признаки

Label Encoding, One-Hot Encoding, mean encoding, target encoding, работа с текстовыми описаниями.

Дополнительные алгоритмы классификации

Обзор методов калибровки моделей и поиска аномалий.

Курсовой проект № 1 на выбор

Окончание задачи на выбор: 

  1. Классификация людей с сердечно-сосудистыми заболеваниями. 
  2. Предсказание спроса на товар. 
  3. Предсказание стоимости акций.
  4. Классификация отзывов в приложении.
5
Март

Введение в нейронные сети

Нейронные сети прямого распространения

Основы PyTorch — библиотеки машинного обучения. Применение feedforward-сетей к курсовому проекту по машинному обучению.

Свёрточные сети

Примеры архитектур Resnet, VGG, Alexnet, Inception. Работа с предобученными сетями. Классификация изображений датасета CIFAR.

Рекуррентные сети

LSTM, GRU, NER. Классификация текстов стандартными методами и рекуррентными сетями, сравнение качества.

Продвинутые архитектуры

Transformer, BERT, GPT3.

Введение в генеративные сети (GAN), способы дебага нейронных сетей.

6
Апрель

Прототипирование и интеграция

Архитектура MVP

Понятие сервиса. Введение в HTTP (TCP/IP).

Настройка взаимодействия приложения модели с веб-сервером

WSGI сервера, flask, gunicorn.

Реализуем прототип: настраиваем взаимодействие приложения модели.

WSGI сервера

Gunicorn, falcon. Пример сервиса на стеке flask-gunicorn. Сбор метрик.

Как передать серверный проект заказчику

Docker. Виртуализация. Как поднять сервис в докере.

7
Апрель

Бизнес-процесс машинного обучения

Общий вид бизнес-процесса машинного обучения

Выбор и обучение модели на отобранных признаках. Сравнение качества и оценка модели.

Парсинг

Типы контента. requests, selenium.

Разметка

Принципы Active-learning. Дообучение моделей, в том числе с добавлением факторов.

Примеры задач машинного обучения. Курсовой проект № 2 на выбор

Создание прототипа модели:

  1. Создание чат-бота в Telegram.

  2. Предсказание оттока пользователей сотового оператора.

  3. Создание рекомендательной системы (фильмы или книги).

Вас обучают лучшие эксперты

Никита Баранов| Data Scientist в oneFactor

Начинал с задач по классификации товаров на основе чеков в «Платформе ОФД». Занимался прогнозом спроса для «Пятёрочки» и помогал разрабатывать инструмент для оценки эффективности промоакций.

Иван Максимов| Data Scientist в Delivery Club

Работал в PwC и ML Research. Создавал рекомендательные системы для ритейла, оптимизировал маркетинговые кампании на основе ML.

Фёдор Ерин| Data scienstist в X5 Retail Group

Разрабатывает интеллектуальные системы в ритейле. Два года работал аналитиком игровых проектов в Mail.ru Group, помогал бизнесу принимать управленческие решения на основе данных.

Сергей Ширкин| Data Scientist в Dentsu Aegis Network Russia

Прогнозирует просмотры рекламы с применением методов искусственного интеллекта. Применял ИИ- и ML-технологии в Сбербанке и Росбанке, строил финансовые модели в компании Equifax.

Декан факультетов искусственного интеллекта и аналитики BigData GeekBrains.

Ксения Густокашина| Аналитик данных в X5 Retail Group

Занимается построением дашбордов для планирования ассортимента, создаёт пайплайн по обработке данных, исследует данные для запуска моделей.

Поддержка во время обучения

Преподаватели

Программа обучения на 70% состоит из вебинаров: вы задаёте вопросы и получаете обратную связь по своим проектам.

HR-менеджер

Помогает составить резюме и подготовиться к собеседованию.

Личный наставник

Отвечает на вопросы по домашним заданиям и помогает быстрее усваивать материал.

Аккаунт-менеджер

Помогает записаться на обучение и освоиться в личном кабинете, передаёт ваши пожелания.

Специалисты техподдержки

Помогут, если возникнут сложности с личным кабинетом или загрузкой занятий.

Ваше резюме
после обучения

Мои навыки:

• Владение языком Python

• Алгоритмы и структуры данных

• Машинное обучение в Production

Артём Доронин
‍Data Scientist

Ожидания по з/п
110 000 ₽
Локация
Москва
Формат работы
Полная занятость

Образование

GeekBrains,  Машинное обучение, 2021

Опыт работы

Mail.ru, Дипломная работа Июль — Август 2021

Портфолио

Предсказание стоимости акций российского рынка
Предсказание оттока пользователей сотового оператора
Создание рекомендательной системы

Удостоверение о повышении квалификации

Вы получаете электронный сертификат и удостоверение о повышении квалификации установленного образца, их можно приложить к портфолио и показать работодателю. Обучение проводим на основании гослицензии № 040485

Стоимость курса

-40%
Рассрочка без первого взноса и переплат
3 330
₽ / месяц
Одним платежом
100 000 ₽
60 000 ₽
Скидка действует до 21 октября 2020

Оставить заявку

Отправляя заявку,  вы принимаете условия договора-оферты и даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.

Спасибо, ваша заявка принята!

Менеджер свяжется с вами в ближайшее время.
Упс! Что-то пошло не так

Можно ещё дешевле!

Вы можете вернуть до 13% стоимости обучения в виде налогового вычета. Подробности расскажет наш консультант после отправки заявки.

Начать обучение