Уважаемые коллеги!
Приглашаем вас на курс «Практикум по машинному обучению» от лаборатории анализа данных физики высоких энергий физического факультета Томского государственного университета.
Современная наука и индустрия требуют от специалистов не просто знания алгоритмов, а умения применять их в условиях реальных задач с «сырыми» данными. Данный курс является практико-ориентированным, где слушатели в командах решают реальную прикладную задачу. Курс направлен на формирование профессиональных компетенций по построению полного процесса решения задач машинного обучения (от анализа данных до защиты решения) в условиях, имитирующих работу реальной Data Science-команды.
Преимущества курса: командная работа и практическая направленность. Слушатели учатся распределять роли и нести ответственность за общий результат.
Актуальность: навыки работы с данными и библиотеками Python (pandas, sklearn) применимы в любой сфере — от маркетинга до научных исследований. Курс создает близость к реальным условиям разработки.
В рамках первой лекции будет охвачен набор базовых терминов, необходимых для начала работы. Остальные концепции будут разбираться на практике во время работы над прикладной задачей.
Кому подойдет курс?
Тем, кто хочет получить базовое понимание процесса машинного обучения на практике. Для успешного участия необходимо базовое владение хотя бы одним языком программирования (Python предпочтителен, так как работа будет проходить на нём).
Расписание занятий курса:
- 6 апреля (понедельник) — Жизненный цикл машинного обучения. Виды задач
- 8 апреля (среда) — Первичный анализ данных
- 15 апреля (среда) — Разведочный анализ данных (EDA) и визуализация
- 22 апреля (среда) — Линейные модели. Обучение.
- 29 апреля (среда) — Метрики качества. Способы улучшения качества модели.
Начало занятий в 18:25 по томскому времени (14:25 Мск)
Возможно участие, как в очном, так и в дистанционном формате.
Подать заявку можно по 31 марта включительно.
Регистрация — по ссылке.
По вопросам участия обращаться к куратору Екатерине: golovatova@mail.tsu.ru, 8 (923) 405-86-07