Почніть вводити назву курсу або технології

    Нічого не знайдено

    Рус Укр

    Курс Machine Learning в Одесі

    Advanced level
    4.7

    занять

    занятий в неделю

    старт

    За тиждень записалося

    Залишилося

    Цей курс доступний у форматі дистанційного навчання

    Стань Machine Learning Engineer!

    На курсі будуть розглянуті різні завдання машинного навчання з точки зору роботи з даними і особливостей різних моделей машинного навчання.

    На курсі використовується мова Python — найпоширеніша на сьогоднішній день мова для роботи з машинним навчанням і аналізом даних.

    Для тих, хто не працював з мовою Python, надаються 4 вступних заняття.

    Цілі курсу:

    • Навчитися працювати з даними, будувати моделі машинного навчання
    • Розібратися з візуалізацією різних структур даних
    • Навчитися будувати предиктивні моделі для аналізу різних процесів

    Розрахований на IT-фахівців і інженерів будь-якої спеціальності, які знають Python, лінійну алгебру, математичний аналіз і статистику на рівні першого курсу технічного вузу.

    Для запису потрібно пройти тест.

    Додаткові курси

    Програма курсу
    Machine Learning

    16 занять занять
    • Python, частина 1
      • Змінні й типи змінних
      • Ввід і вивід даних
      • Модулі
      • Умовні оператори
      • Булевий тип та логічні оператори
    • Python, частина 2
      • Оператори циклу
      • Списки
    • Python, частина 3
      • Порівняння
      • Кортежі
      • Рядки
      • Багатовимірні списки
      • Функції й області видимості
    • Python, частина 4
      • Множини
      • Словники
      • Основи об'єктно-орієнтованого програмування
    • Математика для машинного навчання
    • Підготовка даних
      • Обробка пропущених значень
      • Робота з аномальними значеннями
      • Перетворення даних
      • Конструювання ознак
      • Нормалізація і стандартизація
    • Регресійні моделі
      • Лінійна регресія з однією змінною
      • Лінійна регресія з кількома змінними
      • Метод градієнтного спуску
    • Складніші регресійні моделі
      • Регресія вищого порядку
      • Метрики помилки в регресійному аналізі
      • Виділення ознак
      • Компроміс зсуву та дисперсії
      • Перехресна валідація
    • Логістична регресія
      • Матриця збентеження
      • Регуляризація
      • Перехресна валідація методом К-згинів
    • Метод опорних векторів
      • Метод опорних векторів з жорстким і м’яким розділенням
      • Метод опорних векторів з нелінійним ядром
      • Багатокласова класифікація
    • Дерева прийняття рішень
      • Коефіцієнт нерівності Джині й виграш по Джині
      • Ентропія та інформаційний виграш
      • Випадковий ліс
    • Кластеризація
      • Метод К-середніх і К-середніх++
      • Методи оцінки якості кластеризації
      • Поняття норми й метричного простору
      • Ієрархічна кластеризація
    • Нейронні мережі, частина 1
      • Принцип роботи й влаштування нейронної мережі
      • Процес навчання нейронної мережі
      • Проектування нейронних мереж
    • Нейронні мережі, частина 2
      • Робота з нейронними мережами у Keras
      • Згорткові нейронні мережі
      • Рекурентні нейронні мережі
    • Ансамблювання методів. Навчання з підкріпленням
      • Беггінг
      • Бустинг
      • Стекування
      • Генетичні алгоритми
    • Наївний баєсів класифікатор. Рекомендаційні системи
    • Аналіз часових рядів
      • Перехресна валідація для часових рядів
      • Декомпозиція часового ряду
      • Поняття стаціонарності часового ряду
      • Модель SARIMA
    • Обробка природних мов
      • Токенізація
      • Стемінг та лематизація
      • Bag of words
      • TF-IDF
      • Векторне представлення слів (Word embedding)

    В кінці курсу виконується дипломний проект.

    Бонуси курсу

    • Спеціально зняті додаткові відеоматеріали
    • Всі студенти курсу пройдуть тренінг по проходженню співбесіди та складанню резюме з нашим HR-фахівцем

    Додайте навички в резюме

    • Володіння Python як інструментом машинного навчання

    • Використання популярних бібліотек машинного навчання

    • Знання теоретичних основ галузі

    • Використання багатьох традиційних алгоритмів і методів машинного навчання

    • Розуміння влаштування і прикладного застосування нейронних мереж

    • Володіння спеціалізованими напрямками машинного навчання: обробкою природних мов, аналізом часових рядів, комп’ютерним зором

    • Знайомство з передовими методами, підходами і трендами у галузі

    Переваги навчання у Комп'ютерній школі Hillel

    • Групи по 14 осіб Викладач приділяє час кожному студенту.
    • Викладачі практики У нас викладають тільки практикуючі фахівці з топових IT-компаній.
    • Система особистих кабінетів Ефективне і зручне навчання.
    • Оперативна служба підтримки студентів Термінові питання - своєчасне рішення.
    • Доступ до відеозаписів занять Записи уроків залишаються у студентів після закінчення навчання.
    • Практичні заняття Велика частина занять орієнтована на практику.
    • Працевлаштування

      Що ми робимо для того, щоб ви досягли успіху?

    • Проводимо майстер-класи з підготовки резюме та пошуку роботи

    • Регулярно оновлюємо програми курсів під вимоги ринку

    • Запрошуємо викладати тільки кращих практикуючих фахівців

    • Розвиваємо нашу мережу партнерів серед топових IT-компаній

    • Наші викладачі часто самі забирають до себе наших кращих Студентів ;)

    Наші викладачі та випускники працюють в топових IT-компаніях світу

    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 не сомненно есть большой плюс. Очень понравилось отношение к студентам как со стороны администраторов так 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.

    Часті питання

    • Який потрібно мати комп'ютер, щоб навчатися на курсі Machine Learning?

      Вимоги до комп'ютера для навчання на курсі Machine Learning.

      Операційна система:

      • Windows 10 64-біт
      • macOS 10.13 або вище
      • Linux: Ubuntu 16.04 - 20.04

      Процесор* :

      • Мінімум intel core i5 4-го покоління
      • Рекомендується i5 7-го

      Оперативна пам'ять:

      • Мінімум 8 Гб
      • Рекомендується 16 Гб

      Пам'ять:

      • Мінімально 500 Гб HDD і більш
      • Рекомендується 200 Гб SSD і більш

      * Допустимі аналоги від AMD

    • Як мені визначитися з курсом? Що зараз найбільш затребуване?

      Слід зазначити, що кожен напрямок, який ви могли б вивчити у нашій Школі, є, практично, ідентичним за затребуваністю. При виборі напрямку дуже важливо враховувати те, чим би вам хотілося займатися у майбутньому. Те, до чого ви більше схиляєтеся і що вам більше подобається у повсякденному житті. Аж до того, які предмети вам краще давалися, коли ви навчалися у школі.

      Щоб допомогти вам з вибором напрямку, ми склали спеціальний профорієнтаційний тест.

      Для того, щоб визначитися з напрямком і задати всі ваші запитання, ви можете записатися на безкоштовну консультацію, і протягом короткого часу з вами зв'яжеться один з наших адміністраторів і зможе детально про все розповісти.

    • Чи зможу я влаштуватися на роботу після проходження курсів?

      Програма наших курсів, які орієнтовані на працевлаштування, побудована таким чином, що Студент, проходячи кожен її пункт, виконуючи всі домашні завдання і дотримуючись всіх порад Викладача, може розраховувати на подальше працевлаштування і відповідати існуючим вакансіях на фахівця початкового рівня в області обраного курсу. Вкрай важливо пам'ятати про те, що не дотримуючись вищевказаних принципів, досягти необхідного результату по завершенні курсу, швидше за все, буде неможливо. Саме тому ми не можемо заздалегідь вам гарантувати працевлаштування, але ми можемо сприяти в цьому нашим Випускникам, які навчалися найбільш ретельно. Наш штатний менеджер з працевлаштування випускників завжди радий в цьому допомогти нашим Випускникам, а також відповісти на їхні запитання, пов'язані з оформленням резюме та іншим. Також в нашій Школі ми проводимо безкоштовні заняття з рекрутерами з IT-компаній міста, де вони дають поради з пошуку першої роботи в IT-сфері.

    • Де можна подивитися відгуки про вашу Школу?

      Ви можете прочитати відгуки наших Студентів та Випускників на нашому сайті за цим посиланням. Ще ви зможете знайти відгуки і інформацію про нас на DOU.ua або можете прописати назву нашої Школи у Google, де ви також зможете побачити відгуки про нашу Школу у Google-акаунті або на Google-картах.

    • Як отримати максимальний бал за домашнє завдання?

      Виконання домашніх робіт, одна з найважливіших складових навчання. Для того, щоб отримати максимальний бал за домашнє завдання, потрібно:

      • Виконати завдання в зазначені терміни
      • Виконати всі умови завдання
      • Виконати завдання без помилок
      • Перездача домашнього завдання не більше одного разу
    • Ким працюють ваші Викладачі? Чи мають вони досвід викладання?

      Ми завжди дуже відповідально намагаємося підходити до питання підбору Викладачів у нашій Школі. Наші Викладачі — практикуючі фахівці в найбільших IT-компаніях міста. Також вони мають як досвід викладання в нашій Школі, так і досвід менторства за місцем їх професійної діяльності. У своїй манері навчання вони роблять упор на останні тенденції IT-ринку і виключно на свій особистий досвід для того, щоб наші Випускники мали найбільш затребувані знання і досвід роботи з конкретними кейсами.

    • Чи існують які-небудь знижки або система лояльності, якщо Студент по завершенні одного курсу йде на наступний курс?

      Так, безумовно. Багато наших курсів передбачають додаткову систему бонусів для тих Студентів, які хочуть продовжувати навчання у нашій Школі. Ця система полягає в тому, що в кінці курсу Студенти пишуть тест з пройденого матеріалу або здають підсумкову роботу, за підсумками яких отримують знижку на наступний курс даного напрямку:

      • Студент, який має найвищий результат отримує знижку 25% на подальші курси;
      • Студент, який посів друге місце, отримує 15% знижку;
      • Студент, який виявився на третьому місці, отримує 10% знижку.

      Все Студенти отримують знижку в розмірі 5% на будь-який з курсів Школи.

    • Що робити, якщо я буду змушений виїхати і пропустити одне або кілька занять?

      Намагайтеся, по можливості, не пропускати заняття, але ми розуміємо, що ситуації можуть бути різні. Тому навіть за умови пропуску заняття наші Студенти мають доступ до відеозаписів кожного заняття. Так як всі наші класи обладнані відеокамерами, по завершенні кожного заняття Студенти отримують відеозапис на наступний день для додаткового опрацювання пройденого матеріалу. Також за кожним Студентом фіксується його особистий кабінет у спеціалізованій Learning Management System, де він зможе переглядати презентації занять, виконувати завдання викладача, здавати проміжні тести і бути у курсі всієї важливої ​​інформації, пов'язаної з його спеціалізацією. Доступ до даної системи буде збережений і після закінчення курсу.

    Запит на консультацію

    Залиште ваші контактні дані, і ми вам обов'язково зателефонуємо!

    Обов'язково вкажіть ваше ім'я кирилицею

    Обов'язково вкажіть email, за яким ми зможемо з вами зв'язатися

    Обов'язково вкажіть телефон в міжнародному форматі

    • telegram Telegram
    • viber Viber

    Школа працює з 10:00 до 21:00 по буднях і з 10:00 до 19:00 у вихідні дні (за київським часом, GMT + 2).

    Відправлено

    Придбати подарунковий сертифікат

    Gift certificate background image Gift certificate background image