Анализ данных
для ШАД
Пройдём все темы, обозначенные в требованиях к поступащим в ШАД по анализу данных. Прорешаем задачи прошлых годов. Лекция и семинар каждую неделю.
Автор программы - кандидат физико-математических наук и преподаватель мехмата МГУ - Илларионов Егор
Автор программы - кандидат физико-математических наук и преподаватель мехмата МГУ - Илларионов Егор
Автор программы
Илларионов Егор
Кандидат физико-математических наук c 2017 года. Ассистент кафедры теории вероятностей мехмата МГУ.
Опыт преподавания более 8 лет по курсам теории вероятностей, математической статистики, случайным процессам и основам машинного обучения. Эксперт Центра добычи углеводородов Сколковского института науки и технологий.
Автор более 30 научных работ.
Егор составил программу курса и будет проводить как лекции, так и семинары.
Профиль Егора в ИСТИНЕ МГУ
Илларионов Егор
Кандидат физико-математических наук c 2017 года. Ассистент кафедры теории вероятностей мехмата МГУ.
Опыт преподавания более 8 лет по курсам теории вероятностей, математической статистики, случайным процессам и основам машинного обучения. Эксперт Центра добычи углеводородов Сколковского института науки и технологий.
Автор более 30 научных работ.
Егор составил программу курса и будет проводить как лекции, так и семинары.
Профиль Егора в ИСТИНЕ МГУ
Программа по Анализу Данных
1 неделя
1 неделя
Основные задачи и инструменты машинного обучения.
Настройка необходимого окружения.
Полезные ссылки и ресурсы.
Numpy, работа с числовыми данными, сэмплирование
Полезные ссылки и ресурсы.
Numpy, работа с числовыми данными, сэмплирование
2 неделя
2 неделя
Кластеризация: метрики и алгоритмы
Pandas, работа с табличными данными, работа с пропущенными значениями, EDA
3 неделя
3 неделя
SVD, рекомендательная модель
Визуализация данных Matplotlib, задача понижения размерности, PCA
4 неделя
4 неделя
Линейная регрессия
Препроцессинг и очистка данных, соревнование
5 неделя
5 неделя
Логистическая регрессия, обобщенная линейная модель
Feature engineering, классификация текстовых данных, соревнование
6 неделя
6 неделя
Переобучение: признаки, причины, методы устранения. Регуляризация
Кросс-валидация, соревнование
7 неделя
7 неделя
Решающие деревья для регрессии и классификации
Подбор гиперпараметров, соревнование
8 неделя
8 неделя
Ансамбли алгоритмов
Итоговый хакатон, награждение победителей, рекомендации по дальнейшему обучению
График занятий
Длительность и лекций, и семинаров: 60 минут.
10 часов в неделю необходимо уделять для успешного обучения.
Старт курса: 8 февраля 2022 года
10 часов в неделю необходимо уделять для успешного обучения.
Старт курса: 8 февраля 2022 года
Вторник
19:00 - 20:00
19:00 - 20:00
Лекция
Илларионов Егор
Разбираем математические основы моделей машинного обучения: с примерами реализации в Python.
Пятница
19:00 - 20:00
19:00 - 20:00
Workshop
Илларионов Егор
На первых трех занятиях изучаем основные инструменты Python для работы с данными.
Домашние задания помогут закрепить навыки.
На следующих занятиях берем конкретную задачу (датасет), строим baseline модель и обсуждаем идеи по её совершенствованию.
Домашние задания: соревнование на лучшую модель.
Домашние задания помогут закрепить навыки.
На следующих занятиях берем конкретную задачу (датасет), строим baseline модель и обсуждаем идеи по её совершенствованию.
Домашние задания: соревнование на лучшую модель.
Цели курса:
a. дать понимание математических основ машинного обучения
b. освоить базовые инструменты чтения и препроцессинга разнородных данных
c. научиться быстро собирать baseline модели и видеть способы улучшения
d. получить навыки командной работы и совместной генерации идей
e. сформировать community для начинающих и более опытных специалистов по анализу данных/машинному обучения
a. дать понимание математических основ машинного обучения
b. освоить базовые инструменты чтения и препроцессинга разнородных данных
c. научиться быстро собирать baseline модели и видеть способы улучшения
d. получить навыки командной работы и совместной генерации идей
e. сформировать community для начинающих и более опытных специалистов по анализу данных/машинному обучения
- ВопросГде будут проходить занятия?ОтветЗанятия будут проходить онлайн, на платформе Zoom.
График занятий расположен выше - ВопросБудут ли записи лекций и семинаров?ОтветЗаписи лекций и семинаров будут доступны в вашем личном аккаунте на нашей платформе.
- ВопросКакой уровень знаний необходимо иметь для курса?ОтветЖелательно иметь представление о темах из программы курса по теории вероятностей https://shadhelper.com/probability
- ВопросНужно ли уметь программировать на python?ОтветНет, не обязательно. На первых занятиях мы уделим внимание основам и вы быстро освоитесь.
ШАД HELPER
Мы не связаны с Яндекс или с ШАД и являемся разными юридическими лицами и должны считаться, как разные, самостоятельные, не связанные с друг другом организации.
Пользовательское соглашение
Политика конфиденциальности
Публичная оферта
Способы оплаты
Возврат
Мы не связаны с Яндекс или с ШАД и являемся разными юридическими лицами и должны считаться, как разные, самостоятельные, не связанные с друг другом организации.
Пользовательское соглашение
Политика конфиденциальности
Публичная оферта
Способы оплаты
Возврат
КОНТАКТЫ
Время работы: 10:00-18:00 понедельник - пятница по московскому времени
Суббота и воскресенье - выходной.
Электронная почта: shadhelper@yandex.ru
Реквизиты:
ИП Лыков Александр Андреевич
ИНН 772791947906 / ОГРНИП 320774600076041
Суббота и воскресенье - выходной.
Электронная почта: shadhelper@yandex.ru
Реквизиты:
ИП Лыков Александр Андреевич
ИНН 772791947906 / ОГРНИП 320774600076041
Запись на курс
Пока что не получится приобрести курс, но мы уведомим вас, как только курс будет доступен
Уведомление о старте Анализа данных
Анализ данных будет доступен в начале 2022 года, чтобы не пропустить старт курса - подпишитесь на уведомления.