О курсе Глубокий практический курс по машинному обучению. Ты разберёшь все основные алгоритмы, научишься выбирать подходящий метод под задачу и доведёшь несколько проектов до результата на реальных казахстанских данных. Для кого этот курс
Те, кто уже знает Python на базовом уровне
Аналитики данных, которые хотят перейти в ML
Разработчики, осваивающие Data Science
Чему ты научишься
Решать задачи классификации, регрессии и кластеризации
Работать с библиотекой scikit-learn на профессиональном уровне
Оценивать качество моделей и избегать переобучения
Отбирать признаки и проводить feature engineering
Настраивать гиперпараметры моделей
Деплоить модели в простые API
Программа курса Модуль 1 — Обзор ML: типы задач и алгоритмов Модуль 2 — Линейные модели: регрессия и классификация Модуль 3 — Деревья решений и Random Forest Модуль 4 — Градиентный бустинг: XGBoost и LightGBM Модуль 5 — Метрики качества и валидация моделей Модуль 6 — Работа с категориальными и пропущенными данными Модуль 7 — Кластеризация: K-means, DBSCAN Модуль 8 — Feature engineering и отбор признаков Модуль 9 — Пайплайны и автоматизация обучения Модуль 10 — Финальный проект на реальных данных Преподаватель Бауыржан Тлев — Data Scientist, работал с данными Kaspi.kz и государственных платформ Казахстана. Что включено 32 видеоурока · задания с проверкой · 3 мини-проекта · финальный проект · сертификат · поддержка куратора · доступ навсегда
