Онлайн

Математика и Machine Learning для Data Science

Name: Математика и Machine Learning для Data Science
Price: 45864 RUB
Availability: InStock
Rating: 4.1 (4 reviews)
Author: Сергей Кукушкин

SkillFactory ★ 4,1 · 4 отзыва

Программа объединяет два курса: математику для Data Science и машинное обучение. Слушатели изучают линейную алгебру, матанализ, теорию вероятностей и статистику, а затем осваивают методы ML — от регрессии до ансамблей деревьев. Курс рассчитан на тех, кто хочет понимать математические основы моделей и решать практические задачи анализа данных.

Срок: 5.5 месяцев
Формат: Онлайн

Чему вы научитесь

Применять линейную алгебру для анализа данных и снижения размерности
Использовать методы математического анализа для оптимизации моделей
Применять статистику и теорию вероятностей для анализа и прогнозирования
Строить и оценивать модели машинного обучения
Выполнять предобработку данных и feature engineering
Работать с временными рядами в машинном обучении
Строить рекомендательные системы
Участвовать в соревнованиях на Kaggle

Программа курса

14 модулей

1Линейная алгебра
- Векторы и матрицы, операции над ними
- Линейная зависимость, обратные и вырожденные матрицы
- Системы линейных уравнений, собственные и комплексные числа
- Матричное и сингулярное разложение
- Метод главных компонент
- Математические основы линейной регрессии
2Основы матанализа
- Функции одной и многих переменных, производные
- Градиент и градиентный спуск
- Задачи оптимизации
- Метод множителей Лагранжа, метод Ньютона, имитация отжига
- Математические основы градиентного спуска
3Основы теории вероятности и статистики
- Описательная и математическая статистика
- Комбинаторика
- Распределения и корреляция
- Теорема Байеса
- Наивный байесовский классификатор
- Математические основы классификации и логистической регрессии
4Временные ряды и прочие математические методы
- Анализ временных рядов
- Сложные типы регрессий
- Прогнозирование бюджета с помощью временных рядов
- Математические основы классических моделей машинного обучения
5Введение в машинное обучение
- Основные задачи и методы machine learning
- Практические кейсы
- Базовый алгоритм работы над ml-проектом
- 50+ задач
6Методы предобработки данных
- Типы данных, очистка и обогащение
- Визуализация для предобработки
- Feature engineering
- 60+ задач
7Регрессия
- Линейная и логистическая регрессия
- Границы применимости, аналитический вывод, регуляризация
- Обучение моделей регрессии
- 40+ задач
8Кластеризация
- Обучение без учителя
- Методы кластеризации
- Работа с текстами средствами ML
- 50+ задач
9Tree-based алгоритмы: введение в деревья
- Решающие деревья и их свойства
- Деревья из библиотеки sklearn
- Применение деревьев для регрессии
- 40+ задач
10Tree-based алгоритмы: ансамбли
- Особенности ансамблей деревьев
- Бустинг
- Ансамбль для логистической регрессии
- 40+ задач
- Соревнование на Kaggle
11Оценка качества алгоритмов
- Принципы разбиения выборки
- Недо- и переобучение
- Метрики качества
- Визуализация процесса обучения
- 40+ задач
12Временные ряды в машинном обучении
- Анализ временных рядов в ML
- Линейные модели и XGBoost
- Кросс-валидация и подбор параметров
- 50+ задач
13Рекомендательные системы
- Методы построения рекомендательных систем
- SVD-алгоритм
- Оценка качества рекомендаций
- 50+ задач
14Финальный хакатон
- Применение всех изученных методов для максимальной точности предсказаний на Kaggle

Преподаватели: Эмиль Магеррамов, Аяна Шелике, Антон Киселев, Сергей Веренцов, Эмиль Богомолов

Кому подойдёт курс

Начинающие специалисты в Data Science

Поможет понять математические основы моделей и перейти к решению нетиповых задач.

Аналитики данных

Углубит знания статистики и машинного обучения для прогнозирования и оптимизации.

Разработчики, желающие освоить ML

Даст практические навыки построения моделей и работы с данными.

Подготовка: Уровень подготовки — с нуля.

Как проходит обучение

Формат: онлайн
Расписание: Новые модули открываются раз в неделю; обучение из любой точки.
Срок: 5.5 месяцев
Практика: Практика состоит из трёх частей: простые упражнения на вычисления, упражнения на Python, решение жизненных задач анализа данных, прогнозирования и оптимизации.

Бонусы: Мини-курс по нейросетям в подарок новым студентам

Стоимость обучения

Для частных лиц 45 864 ₽

Сравнение с рубрикой «IT и программирование» (1504 курсов с ценой): медиана — 44 000 ₽, большинство программ — от 5 000 ₽ до 148 400 ₽. Этот курс стоит около медианы.

5 000 ₽148 400 ₽

Смотреть курсы рубрики подешевле →

Плюсы и минусы

Оценка редакции Курсографа по фактам со страницы курса.

Сильные стороны

Объединение двух курсов: математика и машинное обучение
Большой объём практики с реальными задачами
Поддержка ментора и сообщество в Slack
Возможность пройти два курса параллельно за 3 месяца

На что обратить внимание

Курс закрыт, набор не ведётся
Нет информации о стоимости и документах об окончании
Требуется самостоятельная работа с большим объёмом материала

Отзывы о школе SkillFactory

Иван ★★★★★ 25 апреля 2025

Курс по Python отличный! Все по делу, много практики. Но дороговато. После обучения сделал пет-проект и нашел работу за 2 месяца.

Анна ★★★★☆ 21 марта 2025

Проходила курс по Data Science. Материал сложный, но менторы всегда помогали. Не хватало живых вебинаров. Пока устроилась junior-аналитиком.

Все 4 отзыва о школе →

Учились здесь? Оставьте отзыв

Частые вопросы о курсе

Можно ли пройти курс с нуля?

Да, уровень подготовки — с нуля.

Сколько длится обучение?

Длительность курса — 5.5 месяцев. При параллельном прохождении двух курсов можно освоить программу за 3 месяца.

Какой формат обучения?

Курс проходит онлайн, новые модули открываются раз в неделю. Обучение доступно из любой точки.

Есть ли поддержка во время обучения?

Да, предусмотрена поддержка ментора и общение с однокурсниками в закрытых каналах Slack.

Что входит в программу?

Программа включает математику (линейная алгебра, матанализ, теория вероятностей и статистика, временные ряды) и машинное обучение (от введения до рекомендательных систем и финального хакатона).