Начните вводить название курса или технологии

    Ничего не найдено

    Курс Machine Learning в Одессе

    Advanced level
    4.7

    занятий

    занятий в неделю

    старт

    За неделю записалось

    Осталось

    Этот курс доступен в формате дистанционного обучения

    На курсе будут рассмотрены различные задачи машинного обучения с точки зрения работы с данными и особенностей различных моделей машинного обучения.

    На курсе используется язык Python, как самый распространенный на сегодняшний день язык для работы с машинным обучением и анализом данных.

    Для тех, кто не работал с языком Python, предоставляются 4 вводных занятия.

    • Научиться работать с данными, строить модели машинного обучения
    • Разобраться с визуализацией различных структур данных
    • Научиться строить предиктивные модели для анализа различных процессов

    Рассчитан на IT-специалистов и инженеров любой специальности, знающих Python, линейную алгебру, математический анализ и статистику на уровне первого курса технического вуза.

    Для записи требуется пройти тест.

    Дополнительные курсы

    Программа курса
    Machine Learning

    18 занятий занятий
    Advanced level
    Дипломный проект
    • Python, часть 1
      • Переменные и типы переменных
      • Ввод и вывод данных
      • Модули
      • Условные операторы
      • Булевой тип, логические операторы
    • Python, часть 2
      • Операторы цикла
      • Списки
    • Python, часть 3
      • Сравнение
      • Кортежи
      • Строки
      • Многомерные списки
      • Функции и области видимости
    • Python, часть 4
      • Множества
      • Словари
      • Основы объектно-ориентированного программирования
    • Математика для машинного обучения
    • Подготовка данных
      • Обработка пропущенных значений
      • Работа с аномальными значениями
      • Преобразование данных
      • Конструирование признаков
      • Нормализация и стандартизация
    • Регрессионные модели
      • Линейная регрессия с одной переменной
      • Линейная регрессия с несколькими переменными
      • Метод градиентного спуска
    • Сложные регрессионные модели
      • Регрессия высшего порядка
      • Метрики ошибки в регрессионном анализе
      • Выделение признаков
      • Компромисс смещения и дисперсии
      • Перекрестная валидация
    • Логистическая регрессия
      • Матрица замешательства
      • Регуляризация
      • Перекрестная валидация методом К-сгибов
    • Метод опорных векторов
      • Метод опорных векторов с жестким и мягким разделением
      • Метод опорных векторов с нелинейным ядром
      • Многоклассовая классификация
    • Деревья принятия решений
      • Коэффициент неравенства Джини и выигрыш по Джини
      • Энтропия и информационный выигрыш
      • Случайный лес
    • Кластеризация
      • Метод К-средних и К-средних ++
      • Методы оценки качества кластеризации
      • Понятие нормы и метрической пространства
      • Иерархическая кластеризация
    • Нейронные сети, часть 1
      • Принцип работы и устройство нейронной сети
      • Процесс обучения нейронной сети
      • Проектирование нейронных сетей
    • Нейронные сети, часть 2
      • Работа с нейронными сетями в Keras
      • Сверточные нейронные сети
      • Рекуррентные нейронные сети
    • Ансамблювання методов. Обучение с подкреплением
      • Беггинг
      • Бустинг
      • Стекирования
      • Генетические алгоритмы
    • Наивный байесовский классификатор. Рекомендательные системы
    • Анализ временных рядов
      • Перекрестная валидация для временных рядов
      • Декомпозиция временного ряда
      • Понятие стационарности временного ряда
      • Модель SARIMA
    • Обработка естественных языков
      • Токенизация
      • Стемминг и лемматизации
      • Bag of words
      • TF-IDF
      • Векторное представление слов (Word embedding)

    В конце курса выполняется дипломный проект.

    Выпускники получают сертификат об окончании курса.

    Бонусы курса

    • Тестовое собеседование с техническим специалистом
    • Специально снятые дополнительные видеоматериалы
    • Тренинг по прохождению собеседования и составлению резюме

    Преимущества обучения в Компьютерной школе Hillel

    • Группы по 14 человек Преподаватель уделяет время каждому студенту.
    • Преподаватели практики У нас преподают только практикующие специалисты из топовых IT-компаний.
    • Система личных кабинетов Эффективное и удобное обучение.
    • Оперативная служба поддержки студентов Срочный вопрос — своевременное решение.
    • Доступ к видеозаписям занятий Записи уроков остаются у студентов после окончания курса.
    • Практические занятия Большая часть занятий ориентирована на практику.
    • Трудоустройство

      Что мы делаем для того, чтобы вы достигли успеха?

    • Проводим мастер-классы по подготовке резюме и поиску работы

    • Регулярно обновляем программы курсов под требования рынка

    • Приглашаем преподавать только лучших практикующих специалистов

    • Развиваем нашу сеть партнеров среди топовых IT-компаний

    • Наши преподаватели часто сами забирают к себе наших лучших Студентов ;)

    Наши преподаватели и выпускники работают в топовых IT-компаниях мира

    Курс хорош для начинающих, хорошо обьясняют все основы, включая всю математику, которая происходит под капотом. Покрываются почти все темы современной отрасли машинного обучения. Преподаватель очень хороший, дружелюбно относится к студентам, помогает с вопросами о собственных проектах

    Всё было отлично. Андрей — отличный преподаватель. Очень удачный подбор материала. У меня есть твёрдое ощущение, что я разобрался во всём, что он нам рассказывал. Большое спасибо школе в целом и Андрею персонально.

    Павел Корчагин
    Павел Корчагин
    Спасибо большое преподавателю за отличный курс. Дмитрий провел нас от азов до самых последних разработок в данной области, оказывал всяческую поддержку и консультации. Данный курс позволил восполнить все пробелы. Отдельное спасибо школе, хорошо поставлен процесс обучения.
    Вячеслав Решетило
    Вячеслав Решетило
    Всем спасибо, все было супер!) Отдельное спасибо Дмитрию Дегтярёву, Вы отлично объясняете и проводите аналогии, что очень важно и курс отлично зашел. Всем спасибо)
    Дмитрий Кардаш
    Дмитрий Кардаш

    Большое спасибо, Дмитрию Дегтярёву за прекрасный курс. У меня до начала курса, был некоторый опыт в Машинном обучение и все было смутно и грустно, но после окончания: мало того что все разложил по полочкам, так еще и понял вещи, за которые страшно было браться.

    Первые несколько уроков было немного скучно и медленно, но с каждым новым занятием темпы познания нового увеличивались и это здорово.

    Советую всем новичкам) и обязательно делайте домашку, она прям must have!!!!

    Мне очень понравился курс. Преподаватель постарался выложить нам материал максимально доступно. Так же помог разобраться с кодом. Всегда отвечал на интересующие нас вопросы, а так же делился опытом. В качестве бонусов — английский язык, что несомненно есть большой плюс. Очень понравилось отношение к студентам как со стороны администраторов, так и директора. Рекомендую всем!

    Татьяна
    Татьяна
    Курс интересный, преподаватель помогал с каждым вопросом. Жаль, что было много нейронок и мало деревьев с бустингом. Но рада, что прошла курс и получила новые знания)
    Oleg G
    Oleg G

    Огромное спасибо Роману Захарову за практический курс Machine Learning, на котором я понял и опробовал тему в реальных условиях, сделав предсказания продуктов для Magento платформы. Курс был доступен и понятен.

    Преподаватель поддерживал на каждом этапе обучения. Надеюсь, это не последний курс в Днепре, и другим счастливчикам удастся его посетить. Спасибо Ираклий (директор школы), за такого реального практика!

    Вадим Петров
    Вадим Петров

    Записался на курс для того, чтобы получить представление о машинном обучении, так как собираюсь развиваться профессионально в данном направлении. Ставил перед собой основные цели — получить начальные знания по теме, понять направления для самостоятельного обучения, данные цели достигнуты полностью.

    Плюсы курса:

    - краткое, но достаточное освещение теоретической стороны вопроса;

    - много практических заданий;

    - примеры из реальной практики;

    - задания для курсовых работ из предметной области слушателей;

    - компетентность преподавателя.

    Минусы:

    - из-за загрузки преподавателя на основной работе было несколько переносов занятий;

    - “ускоренное” прохождение нейронных сетей.

    Часто задаваемые вопросы

    • Какой нужно иметь компьютер, чтобы обучаться на курсе Machine Learning?

      Требования к компьютеру для обучения на курсе Machine Learning.

      Операционная система:

      • Windows 10 64-бит
      • macOS 10.13 или выше
      • Linux: Ubuntu 16.04 - 20.04

      Процессор* :

      • Минимум intel core i3 4-го поколения
      • Рекомендуется i5 7-го
        *Допустимы аналоги от AMD

      Оперативная память:

      • Минимум 8 Гб
      • Рекомендуется 12 Гб

      Память:

      • Минимально 200 Гб HDD и более
      • Рекомендуется 200 SSD и более
    • Как мне определиться с курсом? Что сейчас наиболее востребовано в Одессе?

      Следует отметить, что все направления, которые вы могли бы изучить в нашей Школе, являются между собой практически идентичными по востребованности. При выборе направления очень важно учитывать то, чем бы вам хотелось заниматься в будущем. То, к чему вы больше склоняетесь и что вам больше нравится в повседневной жизни. Вплоть до того, какие предметы вам лучше давались, когда вы учились в школе.

      Чтобы помочь вам с выбором направления, мы составили специальный профориентационный тест.

      Для того, чтобы определиться с направлением и задать все интересующие вас вопросы, вы можете записаться на бесплатную консультацию, и в течение короткого времени с вами свяжется один из наших администраторов и сможет подробно обо всём рассказать.

    • Смогу ли я устроиться на работу после прохождения курса Machine Learning?

      Программа наших курсов, которые ориентированы на трудоустройство, построена таким образом, что Студент, проходя каждый её пункт, выполняя все домашние задания и следуя всем советам Преподавателя, может рассчитывать на дальнейшее трудоустройство и соответствовать существующим вакансиям на специалиста начального уровня в области выбранного курса.

      Крайне важно помнить о том, что не придерживаясь вышеуказанных принципов, достичь необходимого результата по завершении курса, скорее всего, не представится возможным. Именно поэтому мы не можем заранее вам гарантировать трудоустройство, но мы можем содействовать в этом нашим Выпускникам, которые учились наиболее усердно.

      Наш штатный менеджер по трудоустройству всегда рад в этом помочь нашим Выпускникам, а также ответить на их вопросы, связанные с оформлением резюме и прочим. Также в нашей Школе мы проводим бесплатные занятия с рекрутерами из IT-компаний города, где они дают советы по поиску первой работы в IT-сфере.

    • Где можно посмотреть отзывы о вашей Школе в Одессе?

      Вы можете прочесть отзывы наших Студентов и Выпускников на нашем сайте, перейдя по данной ссылке. Еще вы сможете найти отзывы и информацию о нас, зайдя на сайт DOU.ua или же прописав название нашей Школы в Google, где вы также сможете увидеть отзывы о нашей Школе в нашем Google-аккаунте или на Google-картах.

    • Как получить максимальный балл за домашнее задание на курсе Machine Learning?

      Выполнение домашних работ, одна из самых важных составляющих обучения. Для того, чтобы получить максимальный балл за домашнее задание, нужно:

      • Выполнить задание в указанные сроки
      • Выполнить все условия задания
      • Выполнить задание без ошибок
      • Пересдача домашнего задания не более одного раза
    • Кем работают ваши Преподаватели? Имеют ли они опыт преподавания?

      Мы всегда очень ответственно стараемся подходить к вопросу подбора Преподавателей в нашей Школе. Наши Преподаватели — практикующие специалисты в крупнейших IT-компаниях города. Также они имеют как опыт преподавания в нашей Школе, так и опыт менторства по месту их профессиональной деятельности. В своей манере обучения они делают упор на последние тенденции IT-рынка и исключительно на свой личный опыт для того, чтобы наши Выпускники имели наиболее востребованные знания и опыт работы с конкретными кейсами.

    • Существуют ли какие-нибудь скидки или система лояльности, если Студент по завершении одного курса идёт на следующий курс?

      Да, безусловно. Многие наши курсы предусматривают дополнительную систему бонусов для тех Студентов, которые хотят продолжать обучение в нашей Школе.

      Эта система состоит в том, что в конце курса Студенты пишут тест по пройденному материалу или сдают итоговую работу, по итогам которых получают скидку на следующий курс данного направления:

      • Студент, который имеет самый высокий результат получает скидку 25% на дальнейшие курсы;
      • Студент, занявший второе место, получает 15% скидку;
      • Студент, который оказался на третьем месте, получает 10% скидку.

      Все Студенты получают скидку в размере 5% на любой из курсов Школы.

    • Что делать, если я буду вынужден уехать и пропустить одно или несколько занятий?

      Нужно стараться, по возможности, не пропускать занятия, но мы понимаем, что ситуации могут быть всякие. Поэтому даже при условии пропуска занятия наши Студенты имеют доступ к видеозаписям каждого занятия. Так как все наши классы оборудованы видеокамерами, по завершении каждого занятия Студенты получают видеозапись на следующий день для дополнительной проработки пройденного материала. Также за каждым Студентом фиксируется его личный кабинет в специализированной Learning Management System, где он сможет просматривать презентации занятий, выполнять задания преподавателя, сдавать промежуточные тесты и быть в курсе всей важной информации, связанной с его специализацией. Доступ к данной системе будет сохранён и после окончания курса.

    Заявка на консультацию

    Оставьте ваши контактные данные, и мы вам обязательно перезвоним!

    Обязательно укажите ваше имя кириллицей

    Обязательно укажите email, по которому мы сможем с вами связаться

    Обязательно укажите телефон в международном формате

    • telegram Telegram
    • viber Viber

    Школа работает с 10:00 до 21:00 по будням и с 10:00 до 19:00 по выходным дням (киевское время, GMT+2).

    Отправлено

    Рус Укр