Онлайн курс обучения Python для машинного обучения (Data Science).
На курсе узнаем в чем суть машинного обучения, разберём виды, и познакомимся с моделями. Научимся сами создавать модели машинного обучения! Научимся готовить и обрабатывать данные для моделей, строить и анализировать графики моделей, обучать их и использовать для прогнозирования результатов в различных предметных областях, определять точность моделей и улучшать их.
Курс составлен так, чтобы материал могли освоить даже начинающие. Больший упор будем делать на практику с применение Python и для этого потребуется знать его азы.
Предварительные знания: основы python.
Обучение через: Zoom.
Небольшие группы: 7-10 человек.
Всего занятий: 9 онлайн + самостоятельные задачи + готовый конспект с примерами кода и рекомендациями.
Отдельная закрытая группа Телеграм для потока: сюда выкладываем записи онлайн встреч и краткие конспекты занятий.
После каждого урока: самостоятельная практическая работа.
Менторство и ревью кода наставником: включено.
Ближайший старт: 15 февраля 2026.
График обучения: по воскресеньям (10:00 - 11:00).
Что такое машинное обучение;
Особенности машинного обучения;
Машинное обучение и другие дисциплины;
Что означает понятие обучение;
Свойства модели машинного обучения;
Что необходимо для машинного обучения;
Какие бывают виды машинного обучения.
Что такое регрессия;
Постановка задачи регрессии;
Виды регрессии;
Что такое функция ошибки;
Решение задачи регресии на практике.
Что такое классификация;
Свойства задачи классификации;
Понятие логистической регрессии;
Что такое граница принятия решений;
Решение задачи классификации на практике.
Что такое полиномиальная модель;
Решение задачи полиномиальной классификации на практике.
Метод опорных векторов с линейно разделимыми классами;
Задача с линейно разделимыми классами;
Метод опорных векторов с линейно неразделимыми классами;
Задача с линейно неразделимыми классами с зазором;
Задача с линейно неразделимыми классами без зазора.
Что такое перцептрон;
Решение задачи машинного обучения с помощью перцептрона.
Что такое деревья решений;
Деревья решений для задачи классификации;
Деревья решений для задачи регрессии.
В чем суть метода K ближайших соседей;
Решение задачи методом K ближайших соседей на практике.
В чем суть метода наивного Байеса;
Решение задачи наивного Байеса на практике.
8 (495) 136-91-39
prime-soft.biz