Основная задача курса «Introduction to Machine Learning» - дать студентам фундаментальные знания и практические навыки в области машинного обучения, начиная с основ программирования на Python и анализа данных, и заканчивая построением и оценкой моделей машинного и глубокого обучения.
Для всех
6 месяцев
216 часов
Начало: Сентярь '26
Упор на практику
20 модулей
Полное погружение в Python
Освойте Python с нуля: переменные, коллекции, ООП, функции и работа с реальными данными. Формируйте мощную базу для старта в Data Science и ML.
Классические ML-алгоритмы
Изучайте и применяйте ключевые методы машинного обучения: линейная/логистическая регрессия, k-NN, деревья решений, ансамбли, кластеризация и снижение размерности.
Ваш путь от изучения Python до работы с машинным обучением
На курсе вы овладеете ключевыми языками и инструментами для Data Science, научитесь строить ML-модели, анализировать данные и реализовывать реальные проекты.
Освойте Python с нуля
Пошагово разберётесь в синтаксисе, переменных, коллекциях, функциях, ООП и научитесь уверенно писать код для анализа данных и ML.
Учитесь работать с данными
Работайте с таблицами и массивами, автоматизируйте сбор, очистку и подготовку данных с помощью Pandas и NumPy, осваивайте визуализацию через Matplotlib и Seaborn.
Приобретайте навыки проектирования и оптимизации кода
Практикуйтесь в решении задач через алгоритмы, стек, рекурсию и разрабатывайте собственные модули и классы для масштабных ML-проектов.
Осваивайте ключевые ML-алгоритмы
Учитесь строить прогнозные и классификационные модели: линейная регрессия, k-NN, деревья решений, случайный лес, градиентный бустинг, кластеризация и PCA.
Погружайтесь в глубокое обучение
Разбирайтесь в архитектурах нейронных сетей, учитесь строить и тестировать собственные модели на PyTorch — от простых перцептронов до сверточных сетей.
Реализуйте финальный ML-проект
Выполните самостоятельный проект на реальном датасете: пройдите путь от постановки задачи до защиты модели и получите ценный опыт для старта в Data Science и AI.