Общеуниверситетские факультативы КТ, программирование и математика

Социальные сети сегодня играют значительную роль в нашей жизни. Мы публикуем посты, делимся мнениями и оставляем отзывы о товарах, что создает объем полезной информации для анализа. Если вы подбираете товар для покупки, система автоматического анализа отзывов поможет выбрать лучшее. Также вы сможете узнать об отношении людей к различным ситуациями, а система покажет настроение пользователей социальных сетей.
Интересно, сколько лайков и репостов может набрать ваш пост в соц. сетях? Это тоже можно предсказать с помощью автоматической системы. Разработка такой система – задача несложная! На нашем курсе вы сможете создать её самостоятельно, даже без глубоких знаний. Мы последовательно рассмотрим этапы машинного обучения и построим систему классификации популярности постов. Эти знания можно будет адаптировать для других задач, таких как анализ токсичности комментариев или оценка тональности отзывов.

Пререквизиты: Начальный уровень программирования, желательно на языке Python
Трудоёмкость: 32
Формат: Онлайн
Тематический план

Отзывы студентов:

• Большое спасибо за факультатив. За такое короткое время удалось охватить все основы NLP и даже немного больше (например, парсинг данных и донастройка моделей). 
• Искренне благодарю за факультатив, я узнал много новой информации, попробовал себя в роли аналитика текстовых данных. Проекты с факультатива послужили прекрасным дополнением к портфолио работ.
• Мне очень понравился курс! Я хочу поблагодарить Анастасию Александровну за прекрасные занятия. У меня не было знаний по Python до курса, много чему научилась на курсе. Курс очень структурирован, материалы хорошо подготовлены. Один из лучших факультативов в этом семестре.
• Спасибо, что помогали и отвечали на все вопросы - всегда было ощущение, что можно попросить о помощи. Курс интересный, и благодаря тем основам, которые были даны, я сделала половину анализа для дипломной работы - это очень помогло и вдохновило.

Анастасия Александровна Двойникова

nastya.yal@yandex.ru

Машинное обучение (ML) и Data Science сегодня очень популярны, но мало где рассказывают, что делать с прогнозами - как использовать результаты ML для оптимизации производства, логистики, планирования и еще во множестве других сфер (например оптимизации состава хоккейной команды, предсказания и уменьшения длины очереди за пирожками или максимизация выигрыша в какой-нибудь игре)? Часто такие задачи решают с нуля, комбинируя идеи из разных источников. Этот курс расскажет о исследовании операций (OR), на курсе будут рассматриваться различные инструменты для превращения прогнозов в оптимальные решения на реальных примерах

• Основы математического анализа и теории вероятности (достаточно базовых курсов)
• Основы машинного обучения (понимание основных задач машинного обучения, умение работать с базовыми моделями - линейной регрессией, решающими деревьями, градиентным бустингом

Даниил Олегович Трубин

trybin420@gmail.com