Курс глубокого машинного обучения ★ онлайн - SkillFactory

place
SkillFactory
calendar
26 мая
cost
на сайте SkillFactory
duration
20 недель

В рамках комплекта курсов слушатели получат продвинутые знания о машинном и глубоком обучении.

Карьера

Лучшие студенты курса получат возможность пройти стажировку в компании EORA.

Эксперты

Преподаватели курса — ведущие специалисты крупных российских и международных компаний.

expert

Эмиль Магеррамов

COO Data Lab, компания EORA
expert

Антон Киселев

Head of R&D, компания EORA
expert

Сергей Веренцов

CTO, компания EORA
expert

Андрей Зимовнов

Старший разработчик в Яндекс.Дзен
expert

Дмитрий Коробченко

Deep Learning R&D Engineer, NVIDIA
Эмиль Магеррамов
COO Data Lab, компания EORA
Антон Киселев
Head of R&D, компания EORA
Сергей Веренцов
CTO, компания EORA
Андрей Зимовнов
Старший разработчик в Яндекс.Дзен
Дмитрий Коробченко
Deep Learning R&D Engineer, NVIDIA
skill

Для кого

Курс подойдет начинающим Data Scientists, программистам и аналитикам, работающим с Python.

skill2

Навыки

Для обучения на курсе необходимо базовое знание языка Python.

Содержание

1. Machine Learning PRO

content

2. Введение в машинное обучение

content

Вводный модуль направлен на знакомство с основами Machine learning, изучение практических кейсов и базовых алгоритмов.

3. Методы предобработки данных

content

Слушатели познакомятся с типами данных, средствами их очистки обогащения, а также освоят feature engineering.

4. Регрессия

content

Студентов ждет работа с линейной и логистической регрессией, границами применимости, аналитическим выводом и регуляризацией.

5. Кластеризация

content

Блок направлен на освоение и применение различных методов обучения без учителя.

6. Tree-based алгоритмы: введение в деревья

content

В рамках модуля слушатели изучат решающие деревья, их свойства и варианты использования для решения задач регрессии.

7. Tree-based алгоритмы: ансамбли

content

Студенты изучат особенности ансамблей деревьев, применят навыки бустинга и работы с ансамблями.

8. Оценка качества алгоритмов

content

Студенты изучат принципы разбиения выборки, недо- и переобучение, оценят модели по различным метрикам качества, научатся визуализировать процесс обучения.

9. Временные ряды в машинном обучении

content

Студентов ждёт работа с анализом временных рядов в ML, линейными моделями и XGBoost.

10. Рекомендательные системы

content

Блок направлен на изучение методов построения рекомендательных систем, освоение SVD-алгоритмов и оценку качества рекомендаций обученной модели.

11. Финальный хакатон

content

Итогом курса станет применение изученных методов и технологий для получения максимальной точности предсказаний модели на kaggle.

12. Deep Learning

content

В рамках расширенного практического курса слушатели создадут нейронные сети для распознавания и обработки рукописных текстов, изображений, естественной речи, научатся работать со скоростью и производительностью сетей и разработают несколько проектов для своего портфолио.

platform
Площадка проведения
adress