Введение в машинное обучение

Хотите начать карьеру в сфере Искусственного Интеллекта, но не знаете с чего начать? Вместе с инженером компании Intellivision сориентируем в Machine Learning. Курс бесплатный

  • Площадка:Университет Лобачевского
  • Продолжительность:3 недели
  • Дата:15 декабря 2020
  • Стоимость:бесплатно
Оставить заявку
Введение в машинное обучение

О курсе

Онлайн-курс Machine Learning - это три недели интенсивного погружения в сферу востребованных технологий. На занятиях вы познакомитесь с основами анализа данных, глубокого обучения и нейронными сетями. Мы расскажем о различиях data scientist и ml engineer, задачах и сферах применения алгоритмов машинного обучения.

Программа курса разработана совместно с экспертами IT-компании Intellivision и университета Лобачевского. Курс даёт необходимую базу для старта в профессии инженера Machine Learning. Обучение полностью бесплатное.

Старт 15 декабря (вторник) 2020 года.

Присоединяйтесь к чату в Telegram: ml_december_2020

Видео

Мы изучаем:

  • ml
    ml

Кому подойдет курс

  • Начинающим в программировании с нуля курс поможет определиться с областью интересов и освоить базовые навыки машинного обучения.

  • Специалистам с опытом будет проще пройти обучение, использовать алгоритмы в работе или сменить сферу деятельности.

  • Бизнес-аналитикам обучение даст базовые навыки работы с ML-моделями, глубоким обучением и нейросетями.

Необходимые навыки

  • Перед началом занятий нужно установить пакет Anaconda и Zoom

Эксперты

Курс читает R&D Engineer, компания Intellivision

  • Потапов Андрей Владимирович
    Потапов Андрей Владимирович
    специалитет ВМК ННГУ, магистратура ВШЭ Бизнес-Информатика, Школа Анализа Данных Яндекса (ШАД)

Карьера

Выпускники курсов HiBrain получают уникальную возможность применить новые знания: компании-партнёры проекта ждут наших слушателей на стажировки и предлагают трудоустройство.

    Программа курса

    • Что такое анализ данных и машинное обучение, и чем data scientist отличается от ml engineer?
    • Какие данные можно использовать для машинного обучения и как их «готовить»?
    • Какие задачи можно решить с помощью машинного обучения, и где это применяется на практике?
    • Что нужно знать, чтобы стать data scientist?
    • Почему нейронные сети долго «лежали на полке»?
    • Что общего между искусственными нейронными сетями и человеческим мозгом?
    • Как быстро брать производную от сложной функции или что такое back prop?
    • Из чего состоят искусственные нейронные сети?
    • Как найти человека на видео?
    • Как сделать классификатор изображений на python?
    • Как определяются задачи машинного обучения с учителем и что такое градиентный спуск?
    • Как строить линейные модели машинного обучения в python?
    • Как выбрать лучшую модель и не переобучиться?
    • Что такое «деревянные алгоритмы»?
    • Что будет, если использовать не одну модель, а сразу тысячу, или как работают ансамбли моделей?
    • Когда полезно использовать обучение без учителя?
    • Какие алгоритмы кластеризации бывают и какой лучше?
    • Как измерить качество кластеризации?
    • Как визуализировать данные в 1000-мерном пространстве в python?
    • Как уменьшить число признаков в данных, и не пожалеть об этом?