Финконт учебный центр
Практикум: применение моделей машинного обучения для анализа данных и прогнозирования
Практикум: применение моделей машинного обучения для анализа данных и прогнозирования
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.
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.
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.