Рус Укр

Курс Machine Learning в Одесі

Advanced level
4.7

alarm-clock занять

spiral-calendar занятий в неделю

rocket старт

За тиждень записалося

Залишилося

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
woman-technologist

Цей курс також доступний в форматі дистанційного навчання.

smiling-face-with-sunglasses

advanced
level

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

Вивчаємо такі технології

  • Python

    Python

  • NumPy

    NumPy

  • Matplotlib

    Matplotlib

  • Scikit-learn

    Scikit-learn

  • Keras

    Keras

Додаткові курси

Програма курсу
Machine Learning

alarm-clock 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

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

    Що ми робимо для того, щоб ви досягли успіху?

  • clipboard

    Проводимо майстер-класи з підготовки резюме та пошуку роботи

  • books

    Регулярно оновлюємо програми курсів під вимоги ринку

  • smiling-face-with-sunglasses

    Запрошуємо викладати тільки кращих практикуючих фахівців

  • globe-with-meridians

    Розвиваємо нашу мережу партнерів серед топових IT-компаній

  • direct-hit

    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

  • Що потрібно знати для навчання на курсі Machine Learning?

    Математичний аналіз:

    • Похідні
    • Правило диференціювання складної функції
    • Градієнти

    Лінійна алгебра:

    • Вектори
    • Скалярний твір і векторний добуток
    • Функції та лінійні перетворення
    • Множення матриць
    • Зворотні функції
    • Транспонування матриці

    Планування експерименту:

    • Перевірка гіпотез
    • Тести на статистичну значущість
    • Випадковість
    • Імовірність
  • Чи видається сертифікат про закінчення курсів міжнародного рівня?

    Наш сертифікат про проходження курсів внутрішнього зразка. В першу чергу ми вам надаємо знання, що відповідають вимогам існуючих вакансій на ринку праці. В IT-сфері при прийомі на роботу на посаді початкового рівня абсолютно не важливо, які у вас є дипломи і яку сертифікацію ви пройшли. В першу чергу роботодавець на співбесіді буде розглядати те, що ви вмієте і в чому є досвід, а не який диплом ви зможете принести з собою. Це стосується як України, так і компаній, що знаходяться за кордоном.

    До того ж багато наших курсів вам можуть дати знання, які вам знадобляться для проходження сертифікації віддаленим чином через інтернет. Дану сертифікацію можна пройти тільки віддалено і самостійно.

  • Чи будуть задавати домашні завдання? Чи перевіряється виконане завдання?

    Так! Адже це обов'язкова і дуже важлива частина процесу вашого навчання, так як кожен Студент повинен закріпити весь отриманий на занятті матеріал вдома, виконуючи домашні завдання. Кожне задане ДЗ буде перевірятися викладачем, і по ньому ви будете отримувати фідбек. Також деякі завдання розбираються на наступному занятті. Без виконання домашній завдань ніхто не зможе домогтися бажаного результату.

  • 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
  • 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

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

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