Advanced
4.6

Курс Machine Learning в Одессе

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.

Изучаемые технологии

Цель курса

  • Получить общее представление об анализе данных и машинном обучении;
  • Понять предназначение различных моделей машинного обучения и областей использования;
  • Узнать стандартные решения широко распространенных задач анализа данных.

Курс поможет вам

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

Для кого курс

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.

Преподаватель курса

Вас будет обучать практикующий специалист, работающий в топовой компании.

  • Андрей Латыш

    Андрей Латыш

    Инженер по машинному обучению анализу данных

Программа курса Machine Learning

  1. Python, часть 11

    • Переменные и типы переменных
    • Ввод и вывод данных
    • Модули
    • Условные операторы
    • Булевой тип, логические операторы
  2. Python, часть 22

    • Операторы цикла
    • Списки
  3. Python, часть 33

    • Сравнение
    • Кортежи
    • Строки
    • Многомерные списки
    • Функции и области видимости
  4. Python, часть 44

    • Множества
    • Словари
    • Основы объектно-ориентированного программирования
  5. Математика для машинного обучения5

  6. Подготовка данных6

    • Обработка пропущенных значений
    • Работа с аномальными значениями
    • Преобразование данных
    • Конструирование признаков
    • Нормализация и стандартизация
  7. Регрессионные модели7

    • Линейная регрессия с одной переменной
    • Линейная регрессия с несколькими переменными
    • Метод градиентного спуска
  8. Сложные регрессионные модели8

    • Регрессия высшего порядка
    • Метрики ошибки в регрессионном анализе
    • Выделение признаков
    • Компромисс смещения и дисперсии
    • Перекрестная валидация
  9. Логистическая регрессия9

    • Матрица замешательства
    • Регуляризация
    • Перекрестная валидация методом К-сгибов
  10. Метод опорных векторов10

    • Метод опорных векторов с жестким и мягким разделением
    • Метод опорных векторов с нелинейным ядром
    • Многоклассовая классификация
  11. Деревья принятия решений11

    • Коэффициент неравенства Джини и выигрыш по Джини
    • Энтропия и информационный выигрыш
    • Случайный лес
  12. Кластеризация12

    • Метод К-средних и К-средних ++
    • Методы оценки качества кластеризации
    • Понятие нормы и метрической пространства
    • Иерархическая кластеризация
  13. Нейронные сети, часть 113

    • Принцип работы и устройство нейронной сети
    • Процесс обучения нейронной сети
    • Проектирование нейронных сетей
  14. Нейронные сети, часть 214

    • Работа с нейронными сетями в Keras
    • Сверточные нейронные сети
    • Рекуррентные нейронные сети
  15. Ансамблювання методов. Обучение с подкреплением15

    • Беггинг
    • Бустинг
    • Стекирования
    • Генетические алгоритмы
  16. Наивный байесовский классификатор. Рекомендательные системы16

  17. Анализ временных рядов17

    • Перекрестная валидация для временных рядов
    • Декомпозиция временного ряда
    • Понятие стационарности временного ряда
    • Модель SARIMA
  18. Обработка естественных языков18

    • Токенизация
    • Стемминг и лемматизации
    • Bag of words
    • TF-IDF
    • Векторное представление слов (Word embedding)
Сертификат
Выпускники получают
сертификат об окончании курса
с итоговой оценкой.

Бесплатные бонусы курса

Наши преподаватели и выпускники работают в топовых IT-компаниях мира

Отзывы выпускников этого курса

Преимущества обучения в Компьютерной школе Hillel

  • Видеозаписи занятий
  • Преподаватели-практики
  • Классы с компьютерами
  • Программа Hillel EVO
Видеообзор школы

Трудоустройство

Что мы делаем для того, чтобы вы достигли успеха?

В процессе обучения Студенты работают над реальными проектами

Бесплатные занятия по профильному английскому языку и спикинг-клабы

Дополнительные видеокурсы по актуальным технологиям

Доступ к материалам остается после окончания курса

Регулярные мастер-классы по подготовке резюме и поиску работы

Программы всех курсов адаптированы под запросы рынка

Программа для реализации идей Студентов и Выпускников Школы
  • Идея
  • Питчинг
  • Команда
  • Реализация
  • Презентация

Часто задаваемые вопросы

Часто задаваемые вопросы

Операционная система:

  • Windows 10 64-бит
  • macOS 10.13 или выше
  • Linux: Ubuntu 16.04 / 18.04

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


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.

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.

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.

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

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.

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.

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.

Курс
Machine Learning

Одесса

Работа Школы
во время карантина

Хотите начать карьеру в IT, но не определились с направлением?

Тогда этот тест для Вас! Ответы на вопросы теста помогут определить Ваши способности, чтобы было легче подобрать курс, подходящий именно Вам.