Спасибо за интерес
к нашим курсам.

В благодарность за это мы дарим скидку на любой курс, который Вы выберете. Укажите пожалуйста адрес на который мы можем отправить Вам промокод:

Спасибо!
Нет, спасибо
urlVn="courses"}
Компьютерная школа / Курсы / Курс Machine Learning

Курс по Машинному обучению в Днепрe

в Днепрe

Здравствуйте! Меня зовут Роман. Я администратор Компьютерной школы Hillel в Днепре. Machine Learning — это наука о методах компьютерного анализа данных с целью получения из них нового знания. Она тесно пересекается с программированием и математическими методами оптимизации.

Каждый день поисковые системы отвечают на десятки миллионов запросов. Программу, в которой предусмотрен каждый запрос, написать невозможно. Поисковая система должна уметь сама выбирать из множества документов наиболее релевантный. Для этого нужно научить ее обучаться. Термин «машинное обучение» означает попытку научить компьютер решать задачи, путь решения которых сложно формализовать. В результате машинного обучения компьютер может демонстрировать поведение, которое в него не было явно заложено.

Структура курса

Длительность курса
12 занятий
Интенсивность
2 занятия
в неделю
Начало занятий
Сентябрь
Место обучения
Днепр

Курс преподает

  • Роман Захаров
    Head of R&D в Softcube

    13 лет практики машинного обучения, аспирантура в НГУ и Université catholique de Louvain, доклады и статьи на украинских и зарубежных конференциях, связанных с машинным обучением и искусственным интеллектом.

    Со-основатель компании Softcube.

    Ходит в яхтенные походы.

Программа курса

Для кого:

Для it-специалистов и инженеров любой специальности, желающих попробовать себя в Machine Learning.

Требования:

Знание Python или готовность быстро разобраться.

Знание линейной алгебры, математического анализа и статистики на уровне первого курса технического вуза.

1
Настройка окружения для работы
  • Создание проекта
  • Git
  • Python / Pandas
2
Подготовка данных
  • Очистка сырых данными
  • Интерфейсы к базам данных
  • Разница между данными и переменными
3
Представление
  • Визуализация данных
  • Построение графиков
  • Работа с табличными данными
4
Задачи машинного обучения
  • Обучение с учителем
  • Регрессия и классификация
  • Обучение без учителя
5
Линейные модели
  • Линейная регрессия
  • Перцептрон
  • Логистическая регрессия
6
Методология машинного обучения
  • Принципы разбиения на обучающую и тестовую выборки
  • Кросс-валидация
  • Доверительные интервалы
7
Тестирование моделей
  • Построение достоверного эксперимента
  • Метрики качества
8
Деревья решений
  • ID3, CART
  • Random Forests
9
Ансамблирование моделей
  • Бэггинг
  • Бустинг
  • Аддитивные модели
10
Работа с текстовыми данными
  • Метрики схожести символьных данных
  • Эмбеддинги, tf-idf, bag of words
  • Визуализация и классификация текстов
11
Нейронные сети
  • Принципы построения многослойных нейронных сетей
  • CNN, RNN
  • Архитектуры нейронных сетей для разных типов данных
12
Обучение без учителя
  • Кластеризация
  • SVD
  • PCA
13
Финальный проект
  • Постановка задачи
  • Подготовка данных
  • Построение моделей
  • Измерение качества
  • * Презентация результатов
Вручение сертификата
Получить вступительный тест
Для записи на этот курс необходимо выполнить тест!

Преимущества школы

Офисы в центре города с удобной транспортной развязкой
Учебные классы, оборудованные компьютерами и современной техникой
Удобное время обучения
Вовлечение в IT-мероприятия города

Наши преподаватели и студенты работают в

  • VetraMedia
  • DataArt
  • Ciklum
  • Netocrat Communications
  • Intersog
  • AB Soft
  • softserve
  • epam
  • Snapchat
Факторы успеха
Мотивация студента
При должной мотивации, вы будете ответственнее подходить к процессу обучения, что позволит успешно завершить курс.
Посещение занятий
Регулярное посещение занятий позволит системно проходить обучение, не упуская важных тем для изучения.
Домашние задания
Выполняя домашние задания, вы практикуетесь, получая оценку ваших работ и практические советы от преподавателя.
Самостоятельное обучение
Для достижения успеха по окончанию обучения, нужно около 200 часов провести за самостоятельным изучением материалов.

Регистрация на курс Machine Learning

* Поля обязательны для заполнения.
Регистрация успешно завершена
С Вами свяжутся в ближайшее время.
Оставить заявку
Если у вас остались вопросы, запишитесь на бесплатную консультацию, и наш администратор Роман ответит на все интересующие вас вопросы.