занять
занять на тиждень
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. На курсі студенти навчаться працювати з традиційними алгоритмами і методами машинного навчання, нейронними мережами, а також обробкою природних мов і комп'ютерним зором.
Цілі курсу
- Навчитися готувати дані і конструювати ознаки
- Навчитися визначати типи необхідної моделі машинного навчання
- Навчитися вибирати алгоритм оптимізації, регуляризації моделі
- Навчитися вибирати метрики для контролю якості моделі
- Візуалізувати отримані результати
Вивчаємо такі технології
-
Python
-
NumPy
-
Matplotlib
-
Scikit-learn
-
Keras
Програма курсу
Machine Learning

-
Науки, на яких базується машинне навчання
- Лінійна алгебра
- Статистика
- Оптимізація
- Типи завдань машинного навчання — класифікація і прогноз
-
Основні етапи проєкту машинного навчання
- Підготовка данних
- Вибір моделі, налаштування гіперпараметрів моделі
- Граф обчислень
- Метрики для контролю якості моделі
-
Перспептрон — найпростіша нейронна мережа (ч.1)
- Матричні операції при прямому поширенні сигналу
- Матричні операції при зворотному поширенні сигналу
- Градієнт цільової функції
- Механізм поновлення ваг — навчання!
- Порівняння реалізації персептрона з допомогою NumPy і Keras — швидкість і зручність
- Методи регуляризації і batch-навчання
-
Перспептрон — найпростіша нейронна мережа (ч.2)
- Механізм поновлення ваг — навчання!
- Порівняння реалізації персептрона з допомогою NumPy і Keras — швидкість і зручність
- Методи регуляризації і batch-навчання
-
Рекурентні нейронні мережі
- Послідовні структури даних навколо нас
- Проблема вибухових і зникаючих градієнтів
- LSTM- і GRU-вентилі в архітектурі рекурентних нейронних мереж
-
Згорткові нейронні мережі
- Операція згортки для найпростіших функцій
- Фільтри для отримання ознак зображення за допомогою згорток
- Аналіз ключових елементів архітектури згортальних нейронних мереж
- Найбільш поширені архітектури згортальних нейронних мереж
-
Автокодировщики
- Стиснення інформації при проходженні сигналу через автокодіровщік
- Зниження розмірності, виділення ознак
- Стиснення даних і зниження рівня шуму
-
Метод аналізу головних компонентів
- Набір даних як багатовимірний простір
- Проекції і відстані в багатовимірному просторі
- Аналіз дисперсії в даних і її вплив на розподіл даних
-
Методи кластеризації
- Простановка міток або проведення кордонів
- Що таке сепарабельність даних
- Кластеризація в просторі зниженою розмірності: RFM-аналіз споживачів
-
Ансамблеві методи
- Один сильний класифікатор або багато слабких
- Механізм голосування
- Нетривіальні підходи
-
Дерева і ліси
- Потужна альтернатива нейронних мереж
- Рішення нелінійних задач за допомогою лінійних інструментів
- Бустінг
-
Рекомендаційні системи
- Вектори в багатовимірному просторі
- Способів сказати «поруч» може бути кілька
- Різні способи кодування інформації про покупках
В кінці курсу виконується дипломний проект.
Бонуси курсу
Додайте навички в резюме
-
Базові навички в алгебрі, математичному аналізі, теорії ймовірності та статистики
-
Практичні навички використання Python
-
Використання класичних алгоритмів машинного навчання
-
Побудова повно-зв'язкових нейронних мереж
-
Побудова згорткових нейронних мереж для завдань комп'ютерного зору
-
Використання алгоритмів навчання без учителя
-
Обробка природних мов
-
Практичні навички використання фреймворку PyTorch
Як проходить навчання
Переваги навчання у Комп'ютерній школі Hillel
-
Групи по 17 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.
-
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
Часті питання
-
Що потрібно знати для навчання на курсі Machine Learning?
Математичний аналіз:
- Похідні
- Правило диференціювання складної функції
- Градієнти
Лінійна алгебра:
- Вектори
- Скалярний добуток 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
- Популярні курси:
-
-