Projector logo
Курси

сміливо заповнюйте заявку

залюбки
допомагаємо
й не рекомендуємо
зайвого

contact-us.Продовжуючи, ви погоджуєтеся з contact-us.Політикою конфіденційності

Dev & Data Science

Linear Algebra

інтенсивний курс з прикладної лінійної алгебри для роботи з Data Science та Machine Learning

зареєструватися

досвід

знання математики на шкільному рівні та англiйської мови на рівні Intermediate, знання мов програмування не обов'язкове

старт

25 жовтня 2024

група

25 місць

Тривалість

3 місяці

мова

мова лекцій — українська, матеріалів курсу — англійська

якщо ви:

  • 01

    програміст і бажаєте заповнити прогалини у знаннях, підтягнути математику

  • 02

    розробник-початківець і хочете отримати міцний фундамент для вивчення Data Science та Machine Learning

sFor whom

...тоді це метч!

Математика є основою всіх прикладних наук, а фундаментом багатьох комп'ютерних наук, включаючи Data Science, Computer Vision і NLP, є лінійна алгебра. На жаль, саме цей предмет часто викладають з великим відривом від прикладних задач.

Ми створили 3-місячний курс, щоб допомогти освіжити основні поняття лінійної алгебри. А також на реальних прикладах побачити, як вони працюють у різноманітних сучасних додатках та алгоритмах.

Загалом пройдемо 10 тематичних блоків. Кожен з них складається з 5-6 відео, прикладів застосування матеріалу для розв'язання практичних задач і домашніх завдань. Саме самостійна робота над цими завданнями дозволить зрозуміти матеріал та навчитися знаходити ефективні рішення проблем, які постійно зустрічаються на практиці. Кожен блок завершується вебінаром, де разом з куратором розглянемо найскладніші завдання попереднього тижня й отримаємо відповіді на свої запитання.

Наприкінці навчання впродовж трьох тижнів ви виконаєте курсовий проєкт, над яким працюватимете самостійно, застосовуючи здобуті під час курсу знання. Завданням буде побудова предиктивної моделі на основі даних.

навички,
які опануємо

hard skills

  • навчитеся будувати прогнозну модель
  • зрозумієте як оперувати матричними операціями
  • розв’язування перевизначеної системи лінійних рівнянь
Навички
те, що
треба

soft skills

  • ефективна співпраця з людьми з різним досвідом
  • гнучкість у впровадженні змін і коригуванні стратегій
  • аналіз проблем та знаходження ефективних рішень

програма курсу

від основ до перших проєктів

графік занять

вебінари — щовівторка о 19:30 відеолекції — щоп’ятниці

01.vectors
02.normed vector spaces
03.inner product space
04.hyperplanes
05.matrices
виділіть час, бо на курсі будуть:10 відеолекцій,13 живих вебінарівікурсовий проєкт

авторпрограми
Ян

Цибулькін

VP Data Science у Workpack.

Ян Цибулькін

Був засновником декількох технологічних компаній у різних галузях, зокрема в галузі мікроелектроніки. Працював над алгоритмами прискорення перевірки топології чипів, використовуючи тисячі серверів.

 

Останні 3 роки розробляє AI асистента, який допомагає фахівцям американської будівельної галузі працювати з 2D кресленнями, перетворюючи їх на цифрові моделі. Цікавиться робототехнікою, зокрема автономними мобільними роботами.

 

куратор.
він буде поруч

Ян Цибулькін

Ян Цибулькін

VP Data Science у Workpack.

 

Був засновником декількох технологічних компаній у різних галузях, зокрема в галузі мікроелектроніки. 

 

Studying process

що на вас чекає

навчання по проджекторному

  • робота 1:1 з куратором, отримуєте регулярний зворотний зв’язок, який скеровує до рішення «це воно»
  • навчальний проєкт, готовий сяяти у портфоліо — збираєте докупи все, що проходили на навчанні у повноцінну роботу над курсовою
  • інтерактивні онлайн-зустрічі, де слухати на фоні — не вийде, бо перетворюєте знання з лекцій на навички, розбираючи проєкти з куратором й одногрупниками
  • сертифікат за здобутки — виконання домашок та успішний захист курсового проєкту

платити помісячно

payment option

8 925 грн/міс.

при розтермінуванні вартість курсу 26 775 грн

оплатити за весь курс
зі знижкою

payment option

8 500 грн/міс.

при оплаті одним платежем вартість курсу 25 500 грн

визначилися?
ось як потрапити на курс

  • 1зареєструватися

  • 2розказати про себе

  • 3оплатити курс

  • 4почати навчання

Вступ

відгуки.
що говорять випускники

Софія Леонідова
Софія Леонідова
Relevance Analyst у Jooble
Дуже сподобалися домашні завдання, вебінар з лінійної регресії, підготовка та реалізація фінального проєкту, відкритість та компетентність куратора, можливість застосувати математичні концепти одразу на моделях машинного навчання. Куратор дійсно намагався допомогти з матеріалом та домашніми завданнями. Окремо хочу відмітити передостанній вебінар, на якому ми обговорювали аналіз датасету для проєкту. Дуже багато хто розповідає про те, як зробити аналіз, і мало хто говорить про те, що з ним потім робити, тож це було дуже цінно!
Олена Ніколенко
Олена Ніколенко
Junior Data Scientist у Gyfted
Кожне домашнє завдання та лекція на курсі показували, як застосовувати лінійну алгебру в реальних задачах Data Science. Ми вивчали теорію й одразу перекладали її на застосування в алгоритмах машинного навчання. Це допомогло почати дивитись на дані з перспективи математики та розв’язало руки для сміливіших експериментів. Вже під час курсу мені довелось випробувати свої знання, коли я проходила співбесіду на посаду Data Science Intern. І тільки завдяки глибшому розумінню математичних підстав ML алгоритмів я розпочала свою кар’єру в DS.
Максим Орлюк
Максим Орлюк
ML/MLOps Engineer у Tango
Усе було дуже круто!) Спочатку були певні сумніви з приводу формату (матеріал подається у вигляді відеоуроків), але, як виявилося, це неймовірно зручно! Можна підлаштувати вивчення нового матеріалу під себе, а на вебінарах розбирати практичні задачі та незрозумілі речі з матеріалу.
Ігор Козлов
Ігор Козлов
Big Data Tech Lead у Levi9 Ukraine
Дуже сподобався підхід до викладання та продуманість домашніх завдань. Вони були пов'язані з реальними прикладними темами, у лекціях або вправах згадувалась реальна задача, яку можна було вирішити, спираючись на пройдений матеріал. Інформація добре розкладена по блоках, які доповнюють один одного.
Олег Омельченко
Олег Омельченко
Product Analyst у MacPaw
Я очікував розібратись з нуля в темі, в якій зазвичай складно розібратись самотужки. Із допомогою куратора вдалося зрозуміти матеріал курсу та окреслити напрямок подальшого розвитку в темі лінійної алгебри та Data Science.
92,7% студентів задоволені навчанням у Проджекторі, а 82,2% студентів вдалося реалізувати цілі за допомогою курсів

*Згідно з результатами дослідження Projector.
У дослідженні взяли участь 567 респондентів
серед випускників курсів 2022 року.

медіа.
дізнайтеся більше

Twitter
Twitter
осередок технарів, новин, фізри для мозку, непроханих порад та соціально-наукового холівару
Використання алгебраїчних методів для пошуку векторних об'єктів
Використання алгебраїчних методів для пошуку векторних об'єктів
лекція
Великі дані, обробка мови, 3D. Як і де використовується лінійна алгебра в Data Science
Великі дані, обробка мови, 3D. Як і де використовується лінійна алгебра в Data Science
Projector Mag
За кафедрою Олександр Руппельт: як будують лінійку Data Science в Projector
За кафедрою Олександр Руппельт: як будують лінійку Data Science в Projector
Projector Mag
10 тис. годин, 6 порад. Як увійти у Data Science і не втекти у паніці
10 тис. годин, 6 порад. Як увійти у Data Science і не втекти у паніці
стаття

маєте запитання?
підготували відповіді

що таке Linear Algebra?
як відбувається комунікація на курсі та в якому форматі куратор дає фідбек?
вебінари будуть записуватись?
чи можна дивитися заняття у будь-який зручний день?
чи будуть мені доступні відеозаписи лекцій після завершення курсу?

реєстрація.
перший крок за вами

Продовжуючи, я приймаю умови Публічної оферти та надаю згоду на обробку своїх персональних даних відповідно до Політики конфіденційності

Consultant

Хочете спитати ще щось? Пишіть на hello@prjctr.com.ua або телефонуйте за номером +38 067 418-95-78.

обери мову:
Українськаінша