Машинное обучение (Machine Learning) для аналитиков
О курсе
Курс Machine Learning для аналитиков — это интенсивная практическая программа, направленная на освоение методов анализа данных и машинного обучения. Слушатели научатся применять ML для решения реальных бизнес-задач: прогнозирования, классификации, кластеризации и анализа временных рядов.
Программа курса машинного обучения и анализа данных построена на примерах из различных областей экономики, в том числе ритейла, финтеха и маркетинга. Вы освоите полный цикл Data Science: от сбора и очистки данных до построения и внедрения моделей.
Слушатели научатся применять ML для анализа данных. В ходе курса слушатели приобретут навыки оптимизации и повышения качества подготовки отчетов и аналитических материалов, выявления закономерностей и надзорных факторов.
Приобретаемые навыки
Слушатели освоят методы машинного обучения для решения рабочих задач. Практические навыки, которые вы получите:
- Построение и валидация моделей машинного обучения для реальных данных
- Работа с библиотеками Python: Pandas, NumPy, Scikit-learn, TensorFlow, Keras
- Анализ данных и выявление скрытых закономерностей в бизнес-показателях
- Создание ML-моделей для прогнозирования продаж, оттока клиентов и LTV
- Визуализация результатов анализа с помощью Matplotlib и Seaborn
- Подготовка и очистка данных для машинного обучения
- Оценка бизнес-эффективности ML-моделей
Программа
1. Задачи машинного обучения. Библиотеки Python для машинного обучения: Matplotlib, Seaborn, Scikit-learn, TensorFlow, Keras, NLTK, Natasha, Pandas
2. Признаки и работа с ними
3. Методы предобработки и выделения признаков в анализе текстов
4. Эмбеддинги в анализе текстов и извлечение именованных сущностей
5. Валидация и оценка качества моделей
6. Методы регрессии
7. Методы классификации
9. Методы кластеризации
10. Методы снижения размерности
11. Методы анализа временных рядов
12. Ансамбли
13. Обзор современных предобученных языковых моделей
