Dev & Data Science

Machine Learning Beginning

Классический вводный курс по современному Machine Learning с упором на практику.

О курсе

На курсе Machine Learning Beginning мы рассмотрим большинство популярных методов: начиная от простых (но не менее эффективных) линейных моделей и древ решений, заканчивая более сложными буcтингами и глубокими нейронными сетями.

Лекции будут сопровождаться примерами решений реальных задач классификации, регрессии, кластеризации с использованием Python из наиболее популярных сфер применения ML — автоматического анализа текстов, предсказания временных рядов, классификации картинок.

По окончанию курса вы будете иметь не только общее представление о том, чем является Machine Learning, но и глубокое понимание современных инструментов и нюансов их использования. А также получите практический опыт тренировки, валидации и тюнинга различных моделей машинного обучения.

22 мая 2024 курс длится 3 месяца
10 000 грн/мес. 30 000 грн при полной оплате курса
10 500 грн/мес. при оплате частями
25 студентов каждый студент получает регулярный фидбек от куратора

Кураторы

Автор программы и куратор Виталий Радченко
Соавтор программы Евгений Терпиль



Программа курса

  • Data Science

    • — Intro — AI vs ML.
    • — Exploratory data analysis: Pandas and NumPy.
    • — Visual data analysis.
  • Classic Machine Learning

    • — Linear/polynomial regression.
    • — Logistic regression.
    • — NLP features.
    • — Evaluating models. Validation. Metrics.
    • — Time series analysis.
    • — Decision trees.
    • — Random forest / bagging.
    • — Boosting — XGBoost, LightGBM, CatBoost.
    • — Unsupervised learning.
    • — Feature engineering.
    • — Feature importance.
  • Intro to Deep Learning

    • — Basic neural networks.
    • — Into to PyTorch.
    • — DL in NLP.
    • — DL in CV.

Курс для вас, если вы

Разработчик

и хотите перейти в Data Science

Начинающий Data Scientist

ML Engineer, Data Engineer, Data Analysts

Опыт

знание Python, основ линейной алгебры и теории вероятностей

Время

10-12+ часов в неделю на выполнение домашних заданий

Язык обучения

украинский, часть материалов будет на английском

Как проходит обучение

Живые занятия

Вебинары с куратором и группой будут проходить по средах в 19:30 и субботах в 11:00.

Real-life задания

У нас действует Practicult — культ практики. Поэтому вы будете выполнять много сложной домашки из реальных рабочих будней. Have fun & survive.

Курсовой проект

Во время обучения вы сделаете большой проект. Ведь принцип курса — все как в жизни.

Регулярный фидбек

У нас нет базовых и премиум режимов. Только премиум, всегда. Получите от куратора все. И да, десятая итерация — это нормально.

Сертификат за дело

Наши сертификаты действительно ценят на рынке. Поэтому мы выдаём их только тем студентам, которые выполнили не менее 70% домашних работ и защитили курсовой проект.

ГРАФИК

Старт обучения

22 мая 2024

Вебинары

среда в 19:30 и суббота в 11:00

Узнайте больше

Twitter Сборище технарей, новости Development & Data Science, физра для мозга, непрошеные советы и социально-научные холивары
PROJECTOR MAG Как Spotify использует AI, ML и Big Data в системах рекомендаций
PROJECTOR MAG Чаще, чем кажется. Где и зачем используют искусственный интеллект
PROJECTOR MAG Как создают и используют нейронные сети: лекция Михаила Константинова
PROJECTOR MAG За кафедрой Александр Руппельт: как строят линейку Data Science в Projector
Статья 10 тыс. часов, 6 советов. Как войти в Data Science и не сбежать в панике

Вопросы

Нужны ли какие-то навыки для поступления на курс?

Для поступления нужно будет выполнить тестовое задание. Оно придет вам на почту после регистрации на курс.

Какой софт будет использоваться на курсе?

Python3 + classic ML stack (NumPy, Pandas, Sklearn, LightGBM/CatBoost/XGBoost) + PyTorch, Jupyter Notebooks.

Как происходит коммуникация на курсе и в каком формате куратор дает фидбек?

Вся коммуникация на курсе проходит на платформе Slack (рабочий чат группы, каналы для домашних заданий и полезных ссылок). Фидбек от куратора будет в виде комментариев к домашним заданиям и обсуждения на вебинарах.

Вебинары будут записываться?

Будут, но лучше выделите время, чтобы присоединиться к ним лично — будет интересно.

А сертификат будет?

Будет, если приложить усилия. Чтобы получить сертификат, нужно выполнить не менее 70% домашних работ, получить фитбек и «засчитано» от куратора, а также сдать и защитить курсовой проект. Дедлайном для сдачи и принятия работ является дата выпуска.

Что, если мне не понравится?

Сможем вернуть деньги в течение 7 дней от даты старта курса.

Регистрация

Остались вопросы?
Не стесняйтесь их задавать.

Проконсультируйте меня