Машинное обучение и майнинг данных
С открытой датой
Описание мероприятия
Язык обучения: русскийАдрес проведения: Кочновский проезд, дом 3
Для кого эта программа
Лица, уже имеющие высшее или среднее профессиональное образование или получающие высшее образование.
Выдаваемые документы
Удостоверение о повышении квалификации
Описание программы
Программа помогает получить базовые компетенции аналитика данных, среди которых адекватный выбор метода для решения конкретной задачи анализа данных, предобработка данных, настройка параметров метода анализа и интерпретация полученных результатов. В ходе обучения слушатели также знакомятся с программными продуктами Weka, Orange и библиотекой scikit-learn. Содержание программы охватывает основные устоявшиеся разделы современного машинного обучения (Machine Learning) и майнинга данных (Data Mining).
Теоретический материал подкрепляется большим количеством практических занятий.
Учебный план:
- ведение в машинное обучение и разработку данных
- Свободно-распространяемые системы машинного обучения и разработки данных
- Методы классификации
- Методы регрессии
- Методы кластеризации
- Поиск признаковых зависимостей и частых множеств
- Мультимодальная кластеризация
- Анализ последовательностей
- Отбор признаков и снижение размерности
- Работа с выбросами и пропущенными значениями
- Статистический взгляд на машинное обучение
- Машинное обучение и майнинг больших данных (Big Data)
Преподаватели
кандидат технических наук, преподаватель факультета компьютерных наук НИУ ВШЭ, доцент Департамента анализа данных и искусственного интеллекта, научный сотрудник Международной научно-учебной лаборатории интеллектуальных систем и структурного анализа. Проходил обучение по PhD программе в Техническом университете Дрездена (Германия) в рамках гранта DAAD.
преподаватель факультета компьютерных наук НИУ ВШЭ, научный сотрудник Международной научно-учебной лаборатории интеллектуальных систем и структурного анализа. Имеет публикации, представленные на семинарах топовых конференций по искусственному интеллекту (IJCAI и ECAI) и машинному обучению (ECML/PKDD). Преподаватель языка Python и машинного обучения в MLClass. В прошлом — разработчик Hadoop, бизнес-аналитик и Java-программист РДТЕХ.
Требования к поступающим:
Документы для приема
- Оригинал и копия паспорта или документа, заменяющего его
- Оригинал диплома и приложения к нему и копия документа об образовании или справка об обучении для лиц, получающих высшее образование
- Оригинал и копия документа об изменении фамилии, имени, отчества (при необходимости)
Пререквизиты (базовые требования)
Знание базовой программы курса «Высшая математика» и основ программирования (желательно Python).