Анализ данных на практике

Курс предполагает изучение следующих разделов:

• Создание понимания задач машинного обучения, мотивация к их решению и практические приложения этих задач.
• Базовые практические навыки постановки и решения задач анализа данных как инженерных задач
• Актуальные задачи и некоторые последние достижения в области анализа данных

По итогам успешного прохождения курса у Вас сложится общая картина обо всех направлениях анализа данных. Вы узнаете об основных способах машинного обучения: supervised learning, unsupervised learning и даже semi-supervised learning. Вы научитесь решать задачи классификации, регрессии, кластеризации, узнаете о всех тонкостях оценки качества алгоритмов, преобразования признаков. И, конечно же, у Вас появится представление о реальных задачах анализа данных – мы рассмотрим такие примеры, как классификация музыки по жанрам, максимизация дохода, прогнозирование оттока пользователей, анализ текстов. Кроме того, мы разберем все основные структуры нейронных сетей и то, как и где их применять. Напоследок, Вы познакомитесь с основными понятиями и методами в прогнозировании временных рядов.