Курс «Машинное обучение и анализ данных»

Первый курс специализации, доступный для освоения, — «Математика и Python для анализа данных» — рассчитан на знакомство с базовыми математическими понятиями, необходимыми для анализа данных, и получение начальных навыков программирования на Python.

Курс состоит из двух больших частей. Первая часть курса — практическая, посвящена языку программирования Python и знакомству с синтаксисом и идеологией языка, приобретению навыков написания простых программ, а также знанию о библиотеках, которые часто применяются на практике для анализа данных, например, NumPy, SciPy, Matplotlib и Pandas.

Вторая часть курса посвящена разделам математики: линейная алгебра, математический анализ, методы оптимизации и теория вероятностей. При этом упор делается на разъяснение математических понятий и их применение на практике, а не на вывод сложных формул и доказательство теорем.

Преподаватели специализации «Машинное обучение и анализ данных»:

Константин Воронцов — доктор физико-математических наук, профессор РАН, заведующий отделом Интеллектуальных систем ФИЦ ИУ РАН, преподаватель ШАД

Вадим Стрижов — доктор физико-математических наук, доцент МФТИ, ведущий научный сотрудник ФИЦ ИУ РАН
Евгений Рябенко — кандидат физико-математических наук, доцент МФТИ, преподаватель ВМК МГУ, ШАД, data scientist Yandex Data Factory
Евгений Соколов — преподаватель ВМК МГУ, ВШЭ, ШАД, руководитель исследовательской группы Yandex Data Factory
Виктор Кантор — старший преподаватель ФИВТ МФТИ, преподаватель ШАД, руководитель исследовательской группы Yandex Data Factory
Эмели Драль — преподаватель ФИВТ МФТИ, РУДН, data scientist Yandex Data Factory

Машинное обучение — подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Область находится на стыке математической статистики, методов оптимизации и классических математических дисциплин, но имеет также и собственную специфику, связанную с проблемами вычислительной эффективности и переобучения. Методы машинного обучения используются для многих сложных – «интеллектуальных» – задач (например, распознавание рукописного текста, речи и так далее).