cкільки часу потрібно виділяти на домашні завдання?

Приготуйтеся зарезервувати у своєму календарі 10-12+ годин на тиждень для виконання домашок.

що передбачає курсовий проєкт?

Курсовий проєкт допоможе структурувати знання та відточити навички. На попередніх потоках студенти прогнозували зміни вартості картки з гри FIFA, оцінювали ймовірність ритейку в Counter Strike чи перемоги за піком в Dota2, передбачали ціни квартири чи машини, базуючись на даних з LUN чи RIA.

а сертифікат буде?

Буде, якщо ви докладете зусиль. Щоб отримати сертифікат, потрібно виконати щонайменше 70% домашніх завдань, отримати фідбек та «зараховано» від куратора, а також здати й захистити курсовий проєкт. Дедлайном для здачі та зарахування робіт є дата випуску.

що, як мені не сподобається?

Ми зможемо повернути вам усю суму за навчання протягом 7 днів від початку курсу, якщо ви передумаєте.

Dev & Data Science

Machine Learning Beginning

класичний вступний курс із сучасного Machine Learning з акцентом на практику: закладаємо фундамент для пошуку першої роботи

Name: Machine Learning Beginning
Price: 36000 UAH
Availability: InStock

досвід

знання Python, основ лінійної алгебри та теорії ймовірностей

старт

04 березня 2025

група

25 місць

Тривалість

3 місяці

якщо ви:

01
розробник і бажаєте розширити свої компетенції у сфері аналізу даних та машинного навчання
02
data scientist-початківець, ML engineer, data engineer, data analyst і хочете отримати цілісне розуміння ML, навички побудови моделей та роботи з даними

...тоді це метч!

На курсі Machine Learning Beginning ми розглянемо більшість популярних методів: починаючи від простих (але не менш ефективних) лінійних моделей і дерев рішень, закінчуючи складнішими буcтингами та глибокими нейронними мережами.

Лекції супроводжуватимуться прикладами рішень реальних завдань класифікації, регресії, кластеризації з використанням Python з найпопулярніших сфер застосування ML — автоматичного аналізу текстів, передбачення часових рядів, класифікації картинок.

Після закінчення курсу ви матимете глибоке розуміння сучасних інструментів і нюансів їхнього використання. А також покладете в портфоліо кейс, на якому покажете практичний досвід тренування, валідації та тюнінгу різних моделей машинного навчання.

навички,
які опануємо

hard skills:

вміння користуватися базовими інструментами для маніпулювання та аналізу даних
візуалізація даних для виявлення шаблонів, трендів та інсайтів
володіння техніками оцінки моделей машинного навчання
володіння техніками clustering та dimensionality reduction, способами їх практичного застосування
розуміння архітектури та функціонування базових нейронних мереж

soft skills:

гнучкість у впровадженні змін і коригуванні стратегій
аналіз проблем та знаходження ефективних рішень
підготовка до інтервʼю
самопрезентація

програма курсу

від основ data science до фреймворків deep learning

вебінари

вт, чт — 19:30

01.вступ до машинного навчання: що таке машинне навчання
приклади використання в реальному житті
типи задач (класифікація, регресія, кластеризація)
короткий огляд інструментів
02.Python та підготовка даних: основи Python для роботи з даними
використання бібліотек pandas, numpy
03.дослідницький аналіз даних (EDA): огляд методів аналізу даних
заповнення пропущених значень
виявлення аномалій
візуалізація даних (графіки, гістограми)
04.побудова моделей: регресії: лінійна регресія: принцип роботи
логістична регресія
оцінювання якості моделей
05.evaluating models. validation. metrics: метрики оцінки моделей (MAE, MSE, R^2)
крос-валідація
переваги та недоліки різних підходів
обговорення помилок моделей

виділіть час, бо на курсі будуть: 24 живі заняття,real-life завдання,багато фідбеку та ітерацій,курсовий проєкт ісертифікат за здобутки

авторкапрограми
Олена

Касьяненко

Data Science Consultant у monobank.

Понад 10 років у галузі data science, включно з моделями прогнозування, рекомендаційними системами та GenAI моделями. Має досвід роботи у провідних компаніях України та світу, зокрема Toyota (TCEU), monobank, Deloitte London, EVO (Prom.ua) та PrivatBank.

У Toyota Connected Europe розробила та впровадила предиктивні моделі для оптимізації викидів Toyota Fleet для Олімпіади 2024 у Парижі, що дозволило знизити їх на 20%.

У Deloitte впровадила MLOps фреймворк для однієї з найбільших e-commerce компаній в UK.

У EVO створила data science команду, яка займалася рекомендаційними системами, пошуком фроду, оцінюванням якості контенту для Prom.ua.

У PrivatBank та monobank розробляла моделі прогнозування дефолтів, що дозволило ефективніше керувати кредитними портфелями.

що на вас чекає

навчання по-проджекторному

розуміння основних концепцій та підходів data science
розробка, впровадження та оцінювання ефективності моделей машинного навчання
знайомство з передовими практиками роботи з даними, включно з обробкою, аналізом та візуалізацією
реальний досвід роботи над кейсами з використанням інструментів data science у різних галузях: фінанси, e-commerce, транспорт та інші
сертифікат за здобутки — виконання домашок та успішний захист курсового проєкту

вартість курсу. Machine Learning Beginning

37 800 грн

оберіть свій зручний варіант оплати

гнучко плануйте свій бюджет

3 платежі х

12 600 грн

оплата помісячно без знижки

зафіксуйте вартість та заощаджуйте

1 платіж х

36 000 грн

(замість 37 800 грн)

оплата всього курсу зі знижкою

визначилися?
ось як потрапити на курс

1зареєструватися
2заповнити анкету
3пройти відбір
4стати студентом

відгуки.
що говорять випускники

Іван Петруха

macOS Developer у MacPaw

“Я дуже задоволений курсом і знаннями, які я отримав. Віталій зрозуміло пояснював усі теми, а програма курсу вибудована грамотно. Курс дійсно практичний. Я дізнався про сучасні способи роботи з різними завданнями машинного навчання. Фідбек по домашнім роботам — регулярний та вчасний. Вони спроєктовані дуже добре, змушують самостійно розібратися з нюансами теми, що допомагає краще засвоювати нові знання. Лекції — оптимальні за тривалістю, багаті на живе спілкування. Також інструменти та платформи, що застосовувалися на курсі давали змогу завжди бути в курсі останніх новин та отримувати вчасні нагадування про заняття або перевірену домашню роботу.

переглянути

Олексій Сидорчук

Senior Project Officer у The International Foundation for Electoral Systems

“Я дуже задоволений проходженням курсу. Отримав багато нової інформації, завдання були корисними і практичними. Сподобалося пояснення матеріалу.

переглянути

Ігор Козлов

Big Data Tech Lead в Levi9 Ukraine

“Добре структурований курс, покриває все необхідне для старту в професії. Я отримував фідбек та допомогу з курсовим проєктом, нестандартні та цікаві шляхи вирішення проблеми.

переглянути

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.