Практикум: применение моделей машинного обучения для анализа данных и прогнозирования

  • Курс повышения квалификации
Формат обучения:   
Открытая дата

В рамках практикума разбираются особенности и возможности применения разных видов машинного обучения для анализа данных и прогнозирования, с учетом потенциальных угроз и возможностей. Слушатели отработают на практике этапы построения модели машинного обучения от подготовки данных для обучения моделей до оценки результатов.

2 дня
16 академических часов
Удостоверение

Есть вопросы? Свяжитесь с нами или позвоните по телефону (495) 698-63-64

Вид обучения

Курс повышения квалификации

Формат обучения

Дневной 32 000 руб.
Срок обучения — 2 дня
Продолжительность обучения — 16 часов

Дата и время

Открытая дата

Место проведения

г. Санкт-Петербург, ул. Петропавловская, д. 4, литер А. Станция метро «Петроградская».


Документы по окончании обучения

Удостоверение
Образец Удостоверения о повышении квалификации Санкт-Петербург
По итогам обучения слушатели, успешно прошедшие итоговую аттестацию по программе обучения, получают Удостоверение о повышении квалификации в объеме 16 часов (в соответствии с лицензией на право ведения образовательной деятельности, выданной Департаментом образования и науки города Москвы).

Что входит в стоимость

Методический материал, кофе-паузы.

Для кого предназначен

Менеджеров, маркетологов, экономистов, аналитиков, социологов, логистов, инженеров и других специалистов, которым приходится сталкиваться с проблемой анализа и прогнозирования данных и у которых есть потребность в приобретении навыка работы с моделями машинного обучения.

Цель обучения

Отработать на практику процедуру построения модели машинного обучения для анализа и прогнозирования данных.

Особенности программы

Занятия проходят в компьютерном классе в формате интенсивных тренингов.


Результат обучения

В результате обучения слушатели:

  • Освоят методику выполнения последовательности действий при построении модели машинного обучения.
  • Ознакомятся на практике с построением модели машинного обучения для регрессии
  • Ознакомятся на практике с построением модели машинного обучения для классификации.
  • Получат представление – как формулировать задачу программисту, что контролировать при ее выполнении, чтобы получить адекватный результат.

Программа обучения

День 1.

Методика выполнения задания: разбор последовательности действий.

  • Определение проблемы, загрузка библиотек и данных.
  • Анализ данных: распределение данных по классам, описательные статистики, визуализация.
  • Первичная обработка данных и отбор признаков.
  • Разбивка выборки на тестовую и обучающую.
  • Обучение модели.
  • Выбор лучшей модели для прогнозирования данных.
  • Прогнозирование по лучшей модели.
  • Интерпретация результатов.

Практикум: «Построение модели машинного обучения для регрессии».

  • Пошаговое выполнение заданий на компьютере на базе готового набора данных с последующей оценкой результатов и подготовкой выводов под руководством эксперта.

День 2.

Практикум: «Построение модели машинного обучения для классификации».

  • Пошаговое выполнение заданий на компьютере на базе готового набора данных с последующей оценкой результатов и подготовкой выводов под руководством эксперта в анализе данных в программной среде Python.

Занятия частично проводятся в компьютерном классе.

Заказать обратный звонок

×

Сайт УЦ Финконт использует cookies. Подробнее »

Продолжая работу с сайтом, Вы выражаете своё согласие на обработку Ваших персональных данных.

Отключить cookies Вы можете в настройках своего браузера.

http://www.finkont.ru/training/all/primenenie-modeley-mashinnogo-obucheniya-dlya-analiza-dannykh-kurs-v-spb/