Практикум: применение моделей машинного обучения для анализа данных и прогнозирования

В рамках практикума разбираются особенности и возможности применения разных видов машинного обучения для анализа данных и прогнозирования, с учетом потенциальных угроз и возможностей. Слушатели отработают на практике этапы построения модели машинного обучения от подготовки данных для обучения моделей до оценки результатов.

Дата проведения: 4 - 5 июля 2024 с 10:00 до 17:30

Артикул: СП11442

Вид обучения: Курс повышения квалификации

Формат обучения: Онлайн-трансляция

Срок обучения: 2 дня

Продолжительность обучения: 16 часов

Стоимость участия: 32 000 руб.

Для участников предусмотрено: Методический материал.

Документ по окончании обучения: По итогам обучения слушатели, успешно прошедшие итоговую аттестацию по программе обучения, получают Удостоверение о повышении квалификации в объеме 16 часов (в соответствии с лицензией на право ведения образовательной деятельности, выданной Департаментом образования и науки города Москвы).

Для кого предназначен

Менеджеров, маркетологов, экономистов, аналитиков, социологов, логистов, инженеров и других специалистов, которым приходится сталкиваться с проблемой анализа и прогнозирования данных и у которых есть потребность в приобретении навыка работы с моделями машинного обучения.

Цель обучения

Отработать на практику процедуру построения модели машинного обучения для анализа и прогнозирования данных.

Особенности программы

Занятия проходят в компьютерном классе в формате интенсивных тренингов.

Результат обучения

В результате обучения слушатели:

Освоят методику выполнения последовательности действий при построении модели машинного обучения.
Ознакомятся на практике с построением модели машинного обучения для регрессии
Ознакомятся на практике с построением модели машинного обучения для классификации.
Получат представление – как формулировать задачу программисту, что контролировать при ее выполнении, чтобы получить адекватный результат.

Это мероприятие можно заказать в корпоративном формате (обучение сотрудников одной компании).

Программа обучения

День 1.

Методика выполнения задания: разбор последовательности действий.

Определение проблемы, загрузка библиотек и данных.
Анализ данных: распределение данных по классам, описательные статистики, визуализация.
Первичная обработка данных и отбор признаков.
Разбивка выборки на тестовую и обучающую.
Обучение модели.
Выбор лучшей модели для прогнозирования данных.
Прогнозирование по лучшей модели.
Интерпретация результатов.

Практикум: «Построение модели машинного обучения для регрессии».

Пошаговое выполнение заданий на компьютере на базе готового набора данных с последующей оценкой результатов и подготовкой выводов под руководством эксперта.

День 2.

Практикум: «Построение модели машинного обучения для классификации».

Пошаговое выполнение заданий на компьютере на базе готового набора данных с последующей оценкой результатов и подготовкой выводов под руководством эксперта в анализе данных в программной среде Python.

Занятия частично проводятся в компьютерном классе.

Преподаватели

НЕРАДОВСКАЯ Юлия Владимировна

К.э.н., доцент кафедры статистики и эконометрики СПбГЭУ, автор ряда учебников по статистике и эконометрике. Член Правления Российской ассоциации статистиков (РАС), Председатель регионального отделения РАС по Санкт-Петербургу. Эксперт в области анализа данных.

ЗАГРАНОВСКАЯ Анна Васильевна

К.э.н., доцент кафедры Прикладной математики и экономико-математических методов СПбГЭУ, автор учебных пособий по системному анализу и экономико-математическим методам, преподаватель программ повышения квалификации по машинному обучению в СПбПУ, эксперт в области построения моделей машинного обучения.