Уровень сложности:
Длительность курса: 64 ак.ч.
График обучения: 64 ак. часа, 16 занятий по 4 ак. часа
Программа состоит из 2 отдельных курсов-модулей.
Аннотация
Данный курс углубленно рассматривает ключевые аспекты feature engineering и анализа временных рядов в машинном обучении. Слушатели изучат методы снижения размерности, такие как PCA и Manifold Learning, а также освоят техники отбора признаков с использованием дисперсионного, корреляционного и SHAP-анализа. Особое внимание уделяется работе с временными рядами: от первичного анализа и сглаживания до построения сложных моделей, включая ARIMA, экспоненциальное сглаживание и методы Хольта-Уинтерса. Программа включает практические занятия по оптимизации гиперпараметров, проверке стационарности и построению прогнозных интервалов. Итогом обучения становится разработка собственного проекта, демонстрирующего применение изученных методов для решения реальных задач прогнозирования. Курс предназначен для специалистов, желающих систематизировать и углубить знания в области продвинутого машинного обучения.
Курсы связанных направлений
Сегодня занятий по этому курсу нет.
Курсы, обеспечивающие достаточный начальный уровень знаний
Программа состоит из отдельных курсов-модулей
Выберите ссылку для того, чтобы посмотреть программу отдельного модуля.
-
DEV-PDA200. Конструирование признаков и оптимизация моделей машинного обучения
Курс обучает методам уменьшения размерности данных (PCA, t-SNE, UMAP), автоматизированному подбору гиперпараметров (GridSearch, Bayesian Optimization) и оценке значимости признаков. Практические занятия включают анализ датасетов и исследование техник оптимизации моделей. По итогам обучения студенты выполняют пет-проект, демонстрируя умение применять методы машинного обучения.
-
DEV-PDA210. Прогнозирование временных рядов
Курс посвящен методам анализа и прогнозирования временных рядов, включая классические (ARIMA, Хольта-Уинтерса) и современные подходы (LSTM, Prophet). В программе рассматриваются этапы разработки прогнозных моделей — от обработки данных до внедрения в production. Практические занятия направлены на освоение инструментов анализа временных рядов и оценку качества прогнозов.