Machine Learning Beginning
класичний вступний курс із сучасного Machine Learning з акцентом на практику
досвід
знання Python, основ лінійної алгебри та теорії ймовірностей
старт
зима 2025
група
25 місць
Тривалість
3 місяці
досвід
знання Python, основ лінійної алгебри та теорії ймовірностей
старт
зима 2025
група
25 місць
Тривалість
3 місяці
якщо ви:
- 01
розробник і хочете перейти в data science
- 02
data scientist-початківець, ML engineer, data engineer, data analyst
...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 не тільки загальне уявлення про те, чим є Machine Learning, а й глибоке розуміння сучасних інструментів і нюансів їхнього використання. А також отримаєте 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
програма курсу
від основ data science до фреймворків deep learning
вебінари
двічі на тиждень
- 01.intro to data science
- AI vs. ML: зрозумійте ключові відмінності та взаємозв'язки між Artificial Intelligence та Machine Learning, досліджуючи їхнє визначення, застосування та важливість у сучасних технологіях
- NumPy for numerical computations: навчіться використовувати NumPy для числових обчислень, включаючи операції з масивами, математичні функції та рутинні операції з лінійною алгеброю
- exploratory data analysis. pandas: зануртеся у базові інструменти для маніпулювання та аналізу даних
- visual data analysis: отримайте навички візуалізації даних для виявлення шаблонів, трендів та інсайтів
- 02.classic machine learning
- evaluating models — validation and metrics: опануйте техніки оцінки моделей машинного навчання, а саме cross-validation, confusion matrices, ROC curves, precision, recall та F1 score
- linear and polynomial regression: дослідіть концепції і застосування лінійних та поліноміальних регресійних моделей, їхню реалізацію та інтерпретацію результатів
- decision trees: розберіться зі структурою та застосуванням decision trees, їхньою побудовою, інтерпретацією та оцінкою
- random forest and bagging: опрацюйте ансамблеві методи, зосереджуючись на random forests та bagging
- boosting — XGBoost, LightGBM, CatBoost: визначте передові алгоритми boosting, їх реалізацію і те, як вони покращують точність прогнозування
- unsupervised learning — dimensionality reduction and clustering: відкрийте для себе техніки clustering та dimensionality reduction, способи їхнього практичного застосування
- feature engineering: побачте на реальних прикладах, як feature engineering може значно вплинути на продуктивність моделі
- feature importance: дізнайтесь, як визначати та інтерпретувати важливість ознак у ваших моделях, покращуючи ваше розуміння та здатність приймати обґрунтовані рішення
- NLP features: проаналізуйте, як витягувати та використовувати ознаки в Natural Language Processing, включаючи токенізацію, стемінг, лематизацію та техніки векторизації
- time series analysis: навчіться правильно працювати з time series data
- 03.intro to deep learning
- basic neural networks: зрозумійте архітектуру та функціонування базових нейронних мереж, включаючи feedforward networks та backpropagation алгоритм
- intro to PyTorch: отримайте практичний досвід з PyTorch — провідним фреймворком для deep learning, щоб будувати та тренувати нейронні мережі
- DL in NLP: дослідіть застосування deep learning у Natural Language Processing, включаючи техніки для класифікації тексту, аналізу настроїв та моделювання мови
- DL in CV: дізнайтеся про методи deep learning для завдань computer vision, а саме класифікацію та сегментацію зображень, і виявлення об'єктів
що на вас чекає
навчання по-проджекторному
- занурення в основи машинного навчання, методи збору, очищення та попередньої обробки даних
- огляд прикладів і застосувань ML, практичний досвід побудови та навчання базових моделей
- опанування інструментів для підтримки цілісності даних і ухвалення обґрунтованих бізнес-рішень
- сертифікат за здобутки — виконання домашок та успішний захист курсового проєкту
платити помісячно
10 500 грн/міс.
при розтермінуванні вартість курсу 31 500 грн
оплатити за весь курс
зі знижкою
10 000 грн/міс.
при оплаті одним платежем вартість курсу 30 000 грн
платити помісячно
10 500 грн/міс.
при розтермінуванні вартість курсу 31 500 грн
оплатити за весь курс
зі знижкою
10 000 грн/міс.
при оплаті одним платежем вартість курсу 30 000 грн
визначилися?
ось як потрапити на курс
1зареєструватися
2заповнити анкету
3пройти відбір
4стати студентом
- 1
зареєструватися
- 2
заповнити анкету
- 3
пройти відбір
- 4
стати студентом
відгуки.
що говорять випускники
*Згідно з результатами дослідження Projector.
У дослідженні взяли участь 567 респондентів
серед випускників курсів 2022 року.
медіа.
дізнайтеся більше
маєте запитання?
підготували відповіді
- чи потрібні якісь навички для вступу на курс?
- який софт використовуватимемо на курсі?
- як відбувається комунікація на курсі та у якому форматі куратор дає фідбек?
- чи будуть записуватися вебінари?
- чи будуть доступні мені відеозаписи лекцій після завершення курсу?
реєстрація.
перший крок за вами
Хочете спитати ще щось? Пишіть на hello@prjctr.com.ua або телефонуйте за номером +38 067 418-95-78.
перший крок за вами