Вышка запускает курс по машинному обучению на Coursera

Анализ данных на наших глазах превращается из малоизвестной и не вполне чётко очерченной области науки в очень востребованную профессию. Поэтому факультет компьютерных наук НИУ ВШЭ и «Школа анализа данных» Яндекса запускают на Coursera курс «Машинное обучение». Он посвящён методам, которые делают возможным решение различных задач анализа данных. Записаться на него можно уже сейчас, занятия начнутся 26 января.

«Курс будет интересен любому, кто задумывается о профессии, связанной с анализом данных, или просто хочет познакомиться с этой областью, — уверен профессор факультета компьютерных наук НИУ ВШЭ Константин Воронцов, автор этого курса. — Машинное обучение сейчас очень быстро развивается, задачи анализа данных появляются в самых разных областях бизнеса и производства. Это связано с тем, что данные в наше время накапливаются в огромных количествах и люди учатся извлекать из них все более точные прогнозы и рекомендации».

Константин Воронцов — один из ведущих российских учёных в области машинного обучения и прикладной статистики. В 2010 году он защитил докторскую диссертацию на тему «Комбинаторная теория надёжности обучения по прецедентам», также разработал один из наиболее популярных в России курсов по машинному обучению, который сейчас читает в «Школе анализа данных» Яндекса.

Программа, предлагаемая на Coursera, основана на курсе «Школы анализа данных» Яндекса по машинному обучению, но содержит меньше теоретических материалов и больше наглядных примеров, таким образом, подходит для первого знакомства с предметом. Практические задания подготовлены специально для курса сотрудниками Яндекса, которые имеют большой опыт преподавания машинного обучения, а также применяют его каждый день в рабочих проектах. «На курсе мы разберёмся с основными постановками задач и типами данных, изучим наиболее популярные модели, научимся подготавливать данные для анализа и измерять качество построенной модели, — рассказывает Воронцов. — Благодаря практическим заданиям, взятым из отрасли, слушатели подготовятся к работе с реальными задачами и научатся использовать современные инструменты и библиотеки анализа данных».

Практическая часть курса построена вокруг языка Python и библиотеки scikit-learn. В заданиях слушателям будет предложено самостоятельно применить и исследовать методы машинного обучения, о которых они узнали на лекции, используя возможности этой библиотеки. К концу курса они научатся уверенно обращаться с одним из самых популярных инструментов машинного обучения и решать с его помощью задачи анализа данных.

В конце курса предусмотрено выполнение финального проекта, в котором слушатели должны будут решить практическую задачу анализа данных на реальных данных. Для успешного окончания курса слушателю необходимо набрать проходное число баллов за оцениваемые тесты и практические задания, а также выполнить финальный проект.