Академия информационных систем
Прикладное машинное обучение на Python для аналитики и прогнозирования
Ближайшая дата
16 - 20 Ноября 2026 г.
Длительность
5 дн. 40 ак.час
Форма обучения
Очно/Дистанционно
Документ
Удостоверение о повышении квалификации
Стоимость
50 000 ₽
О курсе
Python – один из самых популярных и востребованных языков программирования на сегодняшний день. Будучи высокоуровневым языком, он идеально подходит для разработки самостоятельных программ и сценариев и ориентирован на повышение производительности разработчика и читаемости кода. Синтаксис Python очень лаконичен, но в то же время его библиотеки включают большой объем полезных функций. Именно поэтому он отлично подходит для тех, кто только начинает свой профессиональный путь в программировании.
Что необходимо для того, чтобы освоить Python новичку? Компьютер и базовые знания английского.
Сегодня Python применяется в актуальной сфере анализа больших данных. Освоение этого языка программирования может стать первой ступенью на пути к освоению одной из самых востребованных профессий 21 века
Что необходимо для того, чтобы освоить Python новичку? Компьютер и базовые знания английского.
Сегодня Python применяется в актуальной сфере анализа больших данных. Освоение этого языка программирования может стать первой ступенью на пути к освоению одной из самых востребованных профессий 21 века
Программа курса
1. Постановка задачи машинного обучения.
Основные понятия машинного обучения
Что такое Jupyter и Anaconda.
Основные структуры данных в Python
Методы оптимизации
Схема построения систем машинного обучения.
Необходимый инструментарий.
Обучение с учителем. (6 ак.ч.)
Приложения машинного обучения
Обучение на данных
Понятие нейронной сети.
Персептрон. Определение, реализация и обучение.
Основные понятия задачи классификации
Метод градиентного спуска.
Использование библиотека scikit-learn для машинного обучения.
Обучение персептрона.
Метод логистической регрессии.
Метод опорных векторов.
Метод k ближайших соседей.
Обучение с учителем. Задача регрессии
Аппроксимация, интерполяция, экстраполяция
Обучение с учителем.
Линейная регрессия.
Метод наименьших квадратов.
Метод градиентного спуска.
Основы нелинейной регрессии.
Обучение без учителя.
Особенности кластерного анализа
Метод k средних.
Алгоритмы кластеризации, и области применения
Основы глубокого обучения.
Основные понятия глубокого обучения
Области применения
Многослойная нейронная сеть.
Введение в глубокое обучение
Основные понятия глубокого обучения и области применения
Алгоритмы глубокого обучения нейронных сетей
Применение библиотек для обучения многослойных нейронных сетей. Аудиторная нагрузка в классе с преподавателем
По окончании обучения выдается
Удостоверение о повышении квалификации
Как вы будете учиться
Занятия
Занятия проводятся как очно в аудитории с непосредственным взаимодействием между преподавателем и слушателями. Для тех, кто не может присутствовать физически, предусмотрено участие через платформу MTS.link.
Процесс обучения
Занятия включают лекции, семинары и групповые проекты. Материалы подаются в виде презентаций, которые могут содержать графику, видео. Полученные знания закрепляются тестированиями и практическими заданиями, а затем вы получаете развернутую обратную связь от эксперта курса.
Сопровождение
Вы можете задавать вопросы преподавателю в режиме реального времени. Так же у каждой группы есть кураторы, которые всегда на связи и помогают решить организационные вопросы.
Получить персональное предложение
Хотите быть в курсе последних новостей?
Подпишитесь на нашу рассылку и станьте одним из первых, кто будет в курсе
всех новостей АИС!
