Курсы по машинному обучению

• Основные понятия Узнаете, что такое искусственный интеллект и нейронные сети. Поймёте, в чём различие машинного и глубинного обучения. Познакомитесь с примерами их использования в различных областях жизни и бизнеса.
• Введение Узнаете, как строятся видео курса. Изучите историю развития искусственного интеллекта, поймёте, какой спрос на специалистов по ИИ, познакомитесь с примерами использования ИИ в повседневной жизни.
• Основные задачи и методы Рассмотрите основные задачи и методы машинного обучения, включая обучение с учителем и без учителя, регрессию, классификацию, кластеризацию. Решите простые задачи в Excel.
• Ансамблирование Узнаете более продвинутые методы машинного обучения, включая ансамбли, случайный лес, бэггинг и комитет большинства.
• Введение Узнаете, как строятся видео курса. Изучите историю развития искусственного интеллекта, поймёте, какой спрос на специалистов по ИИ, познакомитесь с примерами использования ИИ в повседневной жизни.
• Построение моделей машинного обучения в Python Построим несколько моделей машинного обучения для реальных задач с помощью языка программирования Python, используя уже изученные методы регрессии, случайного леса и бэггинга.
• Нейронные сети Создадите собственные нейронные сети с помощью Python для предсказания того, что изображено на рисунке, и работы с текстами.
• Основы программирования на Python Изучите основные операторы и команды на самом популярном языке программирования — Python.
• Ансамблирование Узнаете более продвинутые методы машинного обучения, включая ансамбли, случайный лес, бэггинг и комитет большинства.
• Построение моделей машинного обучения в Python Построим несколько моделей машинного обучения для реальных задач с помощью языка программирования Python, используя уже изученные методы регрессии, случайного леса и бэггинга.
• Основные понятия Узнаете, что такое искусственный интеллект и нейронные сети. Поймёте, в чём различие машинного и глубинного обучения. Познакомитесь с примерами их использования в различных областях жизни и бизнеса.
• Бонус Получите полный список всех дополнительных ресурсов о машинном обучении и нейронных сетях, а также ссылки на депозитарии и датасеты для задач машинного обучения.
• Основные задачи и методы Рассмотрите основные задачи и методы машинного обучения, включая обучение с учителем и без учителя, регрессию, классификацию, кластеризацию. Решите простые задачи в Excel.
• Основы программирования на Python Изучите основные операторы и команды на самом популярном языке программирования — Python.
• Бонус Получите полный список всех дополнительных ресурсов о машинном обучении и нейронных сетях, а также ссылки на депозитарии и датасеты для задач машинного обучения.
• Будущее искусственного интеллекта Узнаете про будущее искусственного интеллекта. В приложении к модулю получите две электронные книги в подарок.
• Нейронные сети Создадите собственные нейронные сети с помощью Python для предсказания того, что изображено на рисунке, и работы с текстами.
• Будущее искусственного интеллекта Узнаете про будущее искусственного интеллекта. В приложении к модулю получите две электронные книги в подарок.

Не просто обучаем модели, а решаем сложные и важные для бизнеса ML-задачи.

Hard ML-  это нестандартный курс по машинному обучению.  

Вы научитесь самостоятельно собирать и размечать данные, строить пайплайны их поставки, деплоить приложения, настраивать мониторинги и оценивать эффективность алгоритмов.

Обучение разбито на блоки.

Выбирайте, что вам интересно:

• РАНЖИРОВАНИЕ И МАТЧИНГ
• ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ
• UPLIFT-МОДЕЛИРОВАНИЕ
• ПРОДВИНУТОЕ A/B-ТЕСТИРОВАНИЕ
• СЦЕНАРИИ ДЕПЛОЯ ML-СЕРВИСОВ
• РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ

• Альфа-модели и методы их разработки Технические альфа-модели.Фундаментальные альфа-модели.Стилизованные факты.Бэктест альфа-модели.Метрики в бэктестах.Особенности HFT.
• Портфель стратегий, алгоритмы исполнения и анализы трансакционных издержек Подходы к аллокации.Краткая история «постсовременной» теории портфеля.Оценка качества портфельной модели.Качество различных портфельных моделей.Портфельная оптимизация (повторение пройденного).Алгоритмы и модели исполнения.
• Альфа-модели и методы их разработки Технические альфа-модели.Фундаментальные альфа-модели.Стилизованные факты.Бэктест альфа-модели.Метрики в бэктестах.Особенности HFT.
• Портфель стратегий, алгоритмы исполнения и анализы трансакционных издержек Подходы к аллокации.Краткая история «постсовременной» теории портфеля.Оценка качества портфельной модели.Качество различных портфельных моделей.Портфельная оптимизация (повторение пройденного).Алгоритмы и модели исполнения.
• Методы управления риском Риск на уровне сигнала.Риск на уровне позиции.Подбор уровня стоп-лосс.Риск на уровне стратегии и портфеля.
• Методы управления риском Риск на уровне сигнала.Риск на уровне позиции.Подбор уровня стоп-лосс.Риск на уровне стратегии и портфеля.
• Введение Информация и цены.Технический анализ.Фундаментальный анализ.Источники данных.Прототипирование алгоритмов в R.
• Введение Информация и цены.Технический анализ.Фундаментальный анализ.Источники данных.Прототипирование алгоритмов в R.