Машинное обучение

Бизнес-решения требуют опоры на точные цифры, а не на интуицию. Этот курс переводит абстрактные алгоритмы машинного обучения в плоскость прикладного анализа данных: от подготовки «сырой» выборки до визуализации результатов, которые можно использовать в управлении.

Внутри разбираются ключевые методы работы с данными: вы научитесь настраивать кластеризацию для сегментации аудитории, применять регрессионные модели для прогнозирования показателей и использовать классификацию для предсказания результатов. Особое внимание уделено «грязным» данным: поиску аномалий, работе с шумами, нормировке и приведению категориальных параметров к формату, понятному для ML-алгоритмов.

Материал ориентирован на аналитиков и специалистов, работающих с большими массивами данных, которым нужно не просто обучить модель, а извлечь из неё практически значимые закономерности.