Узнайте о снижении цены

Оставьте ваш email и мы напишем вам когда цена снизится

Машинное обучение

Курс для тех, кто уже имеет опыт работы с машинным обучением и нейронными сетями. Нужна математическая база и знание одного языка программирования, в идеале Python. Вы получите прикладной опыт создания работающих нейронных сетей. Каждый из модулей обучения можно пройти онлайн или присоединиться к очной группе в Москве.
70 000 ₽
49 000 ₽
стоимость обучения
4083 ₽
за месяц обучения
% Беспроцентная рассрочка на 12 мес.
Узнать о снижении цены
Уровень сложности
для специалистов
Длительность
5 мес.
Формат обучения
онлайн
Домашние задания
да
Обратная связь
да
Помощь в трудоустройстве
да
Документ по окончании
диплом

Программа обучения

  • Основное
  • Содержание программы

Вы научитесь строить модели машинного обучения с помощью библиотеки Sklearn, подбирать алгоритмы и метрики под задачу для разных моделей, формулировать задачу для data science-проекта, оценивать качество моделей машинного обучения. В рамках дипломного проекта вы построите ML-модель для решения задач в вашем текущем проекте или в учебном.

Построение модели

Узнаете, что такое библиотека Sklearn и как ею пользоваться. Изучите алгоритмы кластеризации и сможете строить ансамбли моделей. Научитесь оценивать модели и работать с переобучением. Узнаете, как использовать в работе GridSearch и RandomizedSearch, Model Specific CV, Out of Bag approach.

Работа с заказчиком

Вы научитесь планировать разработку data science проектов, а также грамотно рассказывать заказчикам о результатах исследований.

Рекомендательные системы

В этом и следующих блоках вы будете применять полученные знания в разных областях машинного обучения. Во время этого блока научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их.

Компьютерное зрение

Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов, а также научитесь строить нейросети.

Обработка естественного языка (NLP)

Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты.

Временные ряды

На этом интенсивном блоке вы научитесь выявлять происхождение и структуру временного ряда, прогнозировать будущие значения для эффективного принятия решений при построении моделей машинного обучения. Поймёте, что «под капотом» у популярных методик и библиотек.

Итоговый хакатон

Завершим обучение состязанием с товарищами по курсу: в составе миникоманды за ограниченное время и на основе датасетов крупных игроков рынка вам придётся решать задачи по прогнозированию продаж или оптимизации производства, задействуя все знания и навыки, полученные на курсе.

Интеграция и использование machine learning решений в бизнесе, как правило, подразумевает командную игру, поэтому хакатон полезен ещё и как тренировка необходимых soft skills.
Дипломный проект

В рамках дипломного проекта вы построите ML-модель для решения своих текущих профессиональных задач: это может быть система прогнозирования продаж, распознавание объектов на фото или видео, анализ временных рядов, анализ больших объёмов текста, и т. д.

Если в моменте у вас нет идей для своего проекта (или доступа к необходимым данным), мы предложим вам учебный кейс в интересной вам области на основе реального датасета других компаний.

Чему научат

Формулировать задачу для Data Science проекта
Подбирать алгоритмы и метрики под задачу для разных моделей
Строить модели машинного обучения с помощью библиотеки Sklearn
Оценивать качество моделей машинного обучения
Интерпретировать результаты и составлять отчёт об исследовании

Преимущества курса

Проект в портфолио
Карьерное консультирование
Можно сделать налоговый вычет 13%

Отзывы пользователей

Оставить отзыв о курсе

    Оставьте отзыв о курсе

    Ваш адрес e-mail не будет опуликован
    Ваша оценка:
    Ваш отзыв:
    Достоинства:
    Недостатки:
    Имя:
    Email: