Machine Learning Beginning
классический вводный курс по современному Machine Learning с упором на практику
опыт
знание Python, основ линейной алгебры и теории вероятностей
старт
04 марта 2025 г.
группа
25 мест
длительность
3 месяца
если вы:
- 01
разработчик и хотите перейти в data science
- 02
начинающий data scientist, ML engineer, data engineer, data analyst
s...тогда это мэтч!
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.
навыки,
которыми овладеем
hard skills:
- умение пользоваться базовыми инструментами для манипулирования и анализа данных
- визуализация данных для обнаружения шаблонов, трендов и инсайтов
- владение техниками оценки моделей машинного обучения
- владение техниками clustering и dimensionality reduction, способами их практического применения
- понимание архитектуры и функционирования базовых нейронных сетей
soft skills:
- гибкость во внедрении изменений и корректировке стратегий
- анализ проблем и нахождение эффективных решений
программа курса
от основ data science до фреймворков deep learning
вебинары
вторник, четверг 19:30
- 01.intro to data science
- AI vs. ML: поймите ключевые отличия и взаимосвязи между Artificial Intelligence и Machine Learning, исследуя их определение, применение и важность в современных технологиях
- NumPy for numerical computations: научитесь использовать NumPy для числовых вычислений, включая операции с массивами, математические функции и рутинные операции с линейной алгеброй
- exploratory data analysis. pandas: погрузитесь в базовые инструменты для манипулирования и анализа данных
- visual data analysis: получите навыки визуализации данных для обнаружения шаблонов, трендов и инсайтов
- 02.classic machine learning
- evaluating models — validation and metrics: овладейте техникой оценки моделей машинного обучения, а именно cross-validation, confusion matrices, ROC curves, precision, recall и F1 score
- linear and polynomial regression: изучите концепции и применение линейных и полиномиальных регрессионных моделей, их реализацию и интерпретацию результатов
- decision trees: разберитесь со структурой и применением decision trees, их построением, интерпретацией и оценкой
- random forest and bagging: проработайте ансамблевые методы, сосредоточиваясь на random forests и bagging
- boosting — XGBoost, LightGBM, CatBoost: определите передовые алгоритмы boosting, их реализацию и то, как они улучшают точность прогнозирования
- unsupervised learning — dimensionality reduction and clustering: откройте для себя техники clustering и dimensionality reduction, способы их практического применения
- feature engineering: увидите на реальных примерах, как feature engineering может оказать значительное влияние на производительность модели
- feature importance: узнайте, как определять и интерпретировать важность признаков в ваших моделях, улучшая понимание и способность принимать обоснованные решения
- NLP features: проанализируйте, как извлекать и использовать признаки в Natural Language Processing, включая токенизацию, стеминг, лематизацию и технику векторизации
- time series analysis: научитесь правильно работать с time series data
- 03.intro to deep learning
- basic neural networks: поймите архитектуру и функционирование базовых нейронных сетей, включая feedforward networks и backpropagation алгоритм
- intro to PyTorch: получите практический опыт с PyTorch — ведущим фреймворком для deep learning, чтобы строить и тренировать нейронные сети
- DL in NLP: Исследуйте применение deep learning в Natural Language Processing, включая техники для классификации текста, анализа настроений и моделирования языка
- DL in CV: узнайте методы deep learning для задач computer vision, а именно классификацию и сегментацию изображений, и обнаружение объектов
авторпрограммыВиталий
Радченко
Имеет много опыта в решении задач с нуля до отправки в продакшн. Сейчас работает над рекомендательными системами. Специализируется на Time Series, AutoML и классических задачах.
авторпрограммыЕвгений
Терпиль
В последние 5 лет занимается автоматизацией аналитики социальных медиа с применением современных методов машинного обучения. Интересуется глубоким изучением, анализом соцсетей, применением Agile подходов в data science.
куратор.
он будет рядом
Виталий Радченко
Data Scientist в Scorum AI.
Имеет много опыта в решении задач с нуля до отправки в продакшн. Сейчас работает над рекомендательными системами. Специализируется на Time Series, AutoML и классических задачах.
что вас ждет
обучение по-проджекторному
погружение в основы машинного обучения, методы сбора, очистки и предварительной обработки данных
обзор примеров и применений ML, практический опыт построения и обучения базовых моделей
овладение инструментами для поддержания целостности данных и принятия обоснованных бизнес-решений
сертификат за достижения — выполнение домашек и успешную защиту курсового проекта
платить помесячно
10 500 грн/мес.
при рассрочке цена курса 31 500 грн
оплатить за весь курс
со скидкой
10 000 грн/мес.
при оплате одним платежом цена курса 30 000 грн
платить помесячно
10 500 грн/мес.
при рассрочке цена курса 31 500 грн
оплатить за весь курс
со скидкой
10 000 грн/мес.
при оплате одним платежом цена курса 30 000 грн
определились?
вот как попасть на курс
1зарегистрироваться
2заполнить анкету
3пройти отбор
4стать студентом
- 1
зарегистрироваться
- 2
заполнить анкету
- 3
пройти отбор
- 4
стать студентом
отзывы.
что говорят выпускники
*Согласно результатам исследования Projector.
В исследовании учавствовали 567 респондетнов
среди выпускников курсов в 2022.
медиа.
узнайте больше
остались вопросы?
подготовили ответы
- нужны ли какие-нибудь навыки для поступления на курс?
- какой софт будем использовать на курсе?
- как происходит коммуникация на курсе и в каком формате куратор дает фидбек?
- будут ли записываться вебинары?
- будут ли мне доступны видеозаписи лекций после завершения курса?
регистрация.
первый шаг за вами
Хотите спростить еще что-то? Пишите на hello@prjctr.com.ua или звоните по номеру +38 067 418-95-78.
первый шаг за вами