Программа обучения ансамблевым методам в финансах
Годовой курс для специалистов, которые хотят понять, как работают современные алгоритмы прогнозирования. Мы не обещаем волшебства — только конкретные навыки и реальную практику с данными.
Структура программы на 2025-2026
Октябрь — декабрь 2025: Основы
Первые три месяца — это теория и базовые инструменты. Статистика, Python, работа с временными рядами. Никаких сложных моделей, просто учимся читать данные и понимать, что они говорят. У некоторых студентов на этом этапе бывают сомнения — нормально, это только начало.
Январь — март 2026: Первые модели
Начинаем строить простые прогнозные модели. Линейная регрессия, деревья решений, базовые ансамбли. Здесь появляется практика на реальных данных фондового рынка — не всегда получается с первого раза, но это часть процесса. Главное — научиться понимать, почему модель ошибается.
Апрель — июнь 2026: Сложные методы
Gradient boosting, стекинг, блендинг — методы, которые реально используют в индустрии. Работаем с большими датасетами, учимся оптимизировать производительность. Это самый интенсивный блок программы, требует времени и терпения.
Июль — сентябрь 2026: Финальный проект
Последние три месяца вы работаете над собственным аналитическим проектом. Можете выбрать тему сами или взять один из наших кейсов. Цель — показать, что умеете применять полученные знания на практике. Результаты у всех разные, но процесс учит больше, чем итоговая точность модели.
Как проходит обучение
Честно говоря, формат довольно традиционный — еженедельные лекции и практические задания. Никаких геймификаций или искусственного энтузиазма. Просто методичная работа с материалом.
У нас были попытки сделать всё интерактивнее, но в итоге вернулись к классике. Оказалось, что студенты ценят структуру и последовательность больше, чем развлекательные элементы. Хотя это может показаться скучным, зато вы точно поймёте, на каком этапе находитесь.
недель обучения
часов практики
студентов в группе
кейсов на реальных данных
Кто ведёт курс
Вадим Корчагин
Ведущий аналитик
Работал в двух хедж-фондах, последние шесть лет занимается квантовыми стратегиями. У него специфическое чувство юмора и привычка объяснять сложные вещи через бытовые примеры — кому-то это помогает, кого-то раздражает. Ведёт блоки по ансамблевым методам и оптимизации портфелей.
Игнат Телегин
Специалист по машинному обучению
Пришёл в финансы из академической среды, защитил диссертацию по статистическим методам. Любит копаться в деталях и может час объяснять нюансы одного алгоритма. Отвечает за техническую часть — Python, библиотеки, архитектура решений. Студенты говорят, что его лекции плотные, но если разобраться, всё встаёт на места.