Основы машинного обучения | Курс Nexor

Ноутбук с открытым Jupyter Notebook, содержащим код Python и графики точности модели машинного обучения на синем рабочем столе

О курсе

Это самый полный курс по машинному обучению на платформе Nexor. Вы пройдёте путь от базовых понятий статистики и линейной алгебры до создания полноценных ML-систем, готовых к деплою. Курс разработан так, чтобы в конце вы могли уверенно решать практические задачи, а не просто понимать теорию.

Все задания выполняются на реальных датасетах: данные Kaggle, финансовые отчёты публичных компаний, медицинские записи (деидентифицированные) и данные интернет-трафика. По окончании курса у вас будет портфолио из 6 завершённых ML-проектов.

Чему вы научитесь

✓Строить регрессионные и классификационные модели

✓Работать с данными: очистка, трансформация, feature engineering

✓Использовать ансамблевые методы: Random Forest, XGBoost, LightGBM

✓Проводить кросс-валидацию и избегать переобучения

✓Деплоить модели через Flask/FastAPI REST API

✓Работать с несбалансированными классами и выбросами

Требования

Базовые знания Python (циклы, функции, списки)
Понимание базовой статистики (среднее, дисперсия, вероятность)
Компьютер с доступом в интернет — всё остальное мы предоставляем

Кому подходит этот курс

Курс создан для аналитиков данных, разработчиков на Python, IT-специалистов и всех, кто хочет перейти в машинное обучение. Менеджеры продуктов и исследователи, работающие с данными, также получат ценные практические знания.

Программа курса (64 урока)

Введение: что такое ML и зачем он нужен

45 мин

Математика для ML: линейная алгебра и статистика

2 ч 10 мин

Python и среда разработки: Jupyter, Colab, VSCode

1 ч 30 мин

Pandas: работа с табличными данными

3 ч 00 мин

NumPy и Matplotlib: вычисления и визуализация

2 ч 20 мин

Предобработка данных: очистка и трансформации

2 ч 50 мин

Линейная регрессия: теория и реализация

2 ч 00 мин

Логистическая регрессия и бинарная классификация

2 ч 30 мин

Деревья решений и случайный лес

3 ч 00 мин

Gradient Boosting: XGBoost и LightGBM

3 ч 30 мин

Метрики качества и кросс-валидация

2 ч 00 мин

Финальный проект: прогноз оттока клиентов

5 ч 00 мин

Профессиональный портрет Виктора Лисовского, главного инструктора курса машинного обучения в Nexor

Виктор Лисовский

Lead ML Instructor, Nexor

⭐ 4.9 рейтинг 👥 4,200+ студентов 🎓 8 курсов

Виктор — кандидат технических наук по прикладной математике Стэнфордского университета. До прихода в Nexor работал старшим специалистом по данным в JPMorgan Chase и Palantir Technologies. Kaggle Grandmaster с рейтингом в топ-200 по всему миру.

За 8 лет преподавания Виктор обучил более 4 200 студентов. Его особый стиль — объяснение сложного через практику, с минимумом абстракций и максимумом реальных применений.

4.9

★★★★★

1,847 отзывов

5 звёзд

78%

4 звезды

16%

3 звезды

2 звезды

1 звезда

Андрей Н. ★★★★★

Лучшее вложение, которое я сделал за последние годы. До курса я был аналитиком в Excel, после — получил оффер ML-разработчика с удвоением зарплаты. Материал подаётся логично, без лишней воды.

Катерина В. ★★★★★

Я инженер-химик без опыта в программировании. Думала, что будет тяжело — оказалось, что Виктор объясняет всё невероятно понятно. Завершила курс за 3 месяца и сразу применяю навыки в исследовательской работе.

$399 $599

⚠ Осталось 7 мест по акционной цене

Записаться на курс

✓ 64 видео-урока HD качества
✓ 48 часов обучающего материала
✓ 6 реальных проектов для портфолио
✓ Доступ к GPU-серверам Nexor
✓ Еженедельные live-сессии
✓ Сертификат Nexor ML Engineer
✓ Пожизненный доступ к материалам
✓ Поддержка ментора 12 месяцев
✓ 30-дневная гарантия возврата

Рассрочка 0% на 3 или 6 месяцев.
Узнать условия →

Основы машинного обучения:от теории к практике