Бесплатный курс «Основы ML»

• Обзор ключевых библиотек: pandas, matplotlib, seaborn
• Практика: анализ и предсказание звонков в колл-центр (бинарная классификация)
• Построение гипотез и первичные предсказания без моделей ML

Бизнес-применение:

• Быстрый анализ и визуализация данных
• Поиск закономерностей для улучшения процессов (например, прогнозирование пиков нагрузки в колл-центре)
• Создание дешёвых и быстрых MVP (минимальных жизнеспособных моделей)

• Знакомство с sklearn
• Построение линейной модели для регрессии (на примере данных California Housing)
• Работа с пропущенными значениями и категориальными признаками
• Интерпретация модели

Бизнес-применение:

• Оценка влияния факторов на цену, спрос, доход и т.п.
• Прогнозирование ключевых показателей (например, выручки, трафика)
• Быстрое создание интерпретируемых моделей для отчётов и принятия решений

• Пояснение принципов бустинга (на примере LightGBM)
• Решение задачи классификации (UCI Adult dataset)
• Метрики для оценки классификации (accuracy, ROC AUC и др.)
• Подбор гиперпараметров (например, learning_rate)
• Анализ важности признаков (feature importance)

Бизнес-применение:

• Высокоточные ML-модели для критичных задач: скоринг, отток клиентов, кредитование
• Оптимизация маркетинговых и продуктовых решений
• Интерпретация ключевых факторов, влияющих на поведение пользователей

• Тема 1: Классификация без ML (улучшение baseline)
• Тема 2: Линейная регрессия с множеством категорий (отбор и кодирование признаков)
• Тема 3: Классификация инсульта + бустинг

Бизнес-применение:

• Навыки улучшения базовых решений
• Работа с real-world данными (много шума, много категорий)
• Решение задач в здравоохранении, ритейле, финансах и т.д.