Язык Python — Для бизнес аналитиков

Машинное обучение на Python

Продолжительность: 40 ак. часов
Ближайшая дата обучения: 24.03.2025
Группа формируется

Оставьте заявку

О курсе

В рамках курса слушатели научатся работать с данными, используя различные алгоритмы машинного обучения, такие как деревья решений, случайные леса и бустинг. Они также научатся создавать модели машинного обучения, используя популярные библиотеки Python, такие как scikit-learn и TensorFlow.

Курс будет полезен для бизнес-аналитиков, менеджеров, специалистов в области данных и любых, кто хочет научиться использовать машинное обучение для принятия решений на основе данных. В результате прохождения курса слушатели получат практические навыки работы с машинным обучением на Python и будут готовы к работе в реальных проектах.

В курсе будут рассмотрены: введение в машинное обучение, типы машинного обучения (например, обучение с учителем и без учителя), алгоритмы машинного обучения (например, линейная регрессия, деревья решений, случайные леса), оценка моделей машинного обучения, избежание переобучения и недообучения, а также практические примеры применения машинного обучения в реальных проектах.

Цели обучения

научиться основам машинного обучения: понять принципы и алгоритмы машинного обучения, типы машинного обучения и их применения
освоить Python для машинного обучения: научиться использовать популярные библиотеки Python, такие как scikit-learn и TensorFlow, для создания моделей машинного обучения
разработать практические навыки: научиться работать с данными, создавать модели машинного обучения, оценивать их эффективность и использовать их для принятия данных решений
работать с данными: научиться загружать, очищать, преобразовывать и анализировать данные для машинного обучения
освоить алгоритмы машинного обучения: научиться использовать различные алгоритмы машинного обучения, такие как линейная регрессия, деревья решений, случайные леса и бустинг
создавать модели машинного обучения: научиться создавать модели машинного обучения, используя популярные библиотеки Python, такие как scikit-learn и TensorFlow
применять машинное обучение в реальных проектах: научиться применять машинное обучение в реальных проектах, таких как классификация, регрессия, кластеризация и рекомендательные системы.

Требования

  • Уверенные знания Python.
  • Базовые знания математики, статистики и математического анализа.
  • Знание библиотек обработки данных Pandas, NumPy, Matplotlib.
  • Знакомство с Unix (Linux).

Целевая аудитория

  • Бизнес-аналитики, желающие использовать машинное обучение для анализа данных и принятия решений.
  • Специалисты в области данных.
  • Программисты.
  • Студенты, обучающиеся на специальностях, связанных с математикой, анализом данных или искусственным интеллектом.

Документы об окончании

Удостоверение о повышении квалификации

Удостоверение о повышении квалификации

Программа обучения

24 Темы40ч.

Основы машинного обучения

Понимание систем машинного обучения
Использование машинного обучения в науке и производстве
Отличия систем машинного обучения от классического программного обеспечения
Подготовка рабочего окружения для создания системы машинного обучения
Практика. Установка Anaconda и Jupyter

Пакет Scikit-Learn

Методы машинного обучения с учителем

Методы машинного обучения без учителя

Основы глубокого обучения

Расписание занятий

Дата Статус Формат Место проведения Стоимость
24.03.2025 Группа формируется
Дистанционный

Дистанционное обучение (СДО):

Самостоятельное изучение материалов программы. Оптимальный вариант для занятых людей, которые готовы учиться самостоятельно в свободное время в удобном для них темпе. Консультации преподавателей оказываются дистанционно (при необходимости).
Виртуальный класс49000 ₽

49 000 

Уровень сложности
Средний
Продолжительность 40 ак. часов
Лекции
24 лекции
Направления

Присоединяйся к нашей команде!

Заполните анкету для кандидатов и мы свяжемся с Вами для уточнения всех деталей.

Контакты

+7 8452 24-77-77
order@tritec-group.ru

Наш адрес

410012, г. Саратов, ул. им. Слонова И. А., д. 1, 9 этаж.

Мы используем cookie. Это позволяет нам анализировать взаимодействие посетителей с сайтом и делать его лучше. Продолжая пользоваться сайтом, вы соглашаетесь с использованием файлов cookie