занятий
занятий в неделю
старт
За неделю записалось
Осталось
Стань Machine Learning Engineer!
На курсе будут рассмотрены различные задачи машинного обучения с точки зрения работы с данными и особенностей различных моделей машинного обучения.
На курсе используется язык Python — самый распространенный на сегодняшний день язык для работы с машинным обучением и анализом данных. На курсе студенты научатся работать с традиционными алгоритмами и методами машинного обучения, нейронными сетями, а также обработкой естественных языков и компьютерным зрением.
Цели курса
- Научиться подготавливать данные и конструировать признаки
- Научиться определять типы необходимой модели машинного обучения
- Научиться выбирать алгоритм оптимизации, регуляризация модели
- Научиться выбирать метрики для контроля качества модели
- Визуализировать полученные результаты
Изучаемые технологии
-
![Python]()
Python
-
![NumPy]()
NumPy
-
![Matplotlib]()
Matplotlib
-
![Scikit-learn]()
Scikit-learn
-
![Keras]()
Keras
Программа курса
Machine Learning
20 занятий
-
Науки, на которых базируется машинное обучение
- Линейная алгебра
- Статистика
- Оптимизация
- Типы задач машинного обучения — классификация и прогноз
- Линейная алгебра
-
Основные этапы проекта машинного обучения
- Подготовка данных
- Выбор модели, настройка гиперпараметров модели
- Граф вычислений
- Метрики для контроля качества модели
- Подготовка данных
-
Перспептрон — простейшая нейронная сеть
- Матричные операции при прямом распространении сигнала
- Матричные операции при обратном распространении сигнала
- Градиент целевой функции
- Матричные операции при прямом распространении сигнала
-
Перспептрон — простейшая нейронная сеть (ч.2)
- Механизм обновления весов — обучение!
- Сравнение реализации персептрона с помощью NumPy и Keras — скорость и удобство
- Методы регуляризации и batch-обучение
- Механизм обновления весов — обучение!
-
Рекуррентные нейронные сети
- Последовательные структуры данных вокруг нас
- Проблема взрывных и исчезающих градиентов
- LSTM- и GRU-вентили в архитектуре рекуррентных нейронных сетей
- Последовательные структуры данных вокруг нас
-
Сверточные нейронные сети
- Операция свертки для простейших функций
- Фильтры для получения признаков изображения с помощью сверток
- Анализ ключевых элементов архитектуры сверточных нейронных сетей
- Наиболее распространенные архитектуры сверточных нейронных сетей
- Операция свертки для простейших функций
-
Автокодировщики
- Сжатие информации при прохождении сигнала через автокодировщик
- Понижение размерности, выделение признаков
- Сжатие данных и снижение уровня шума
- Сжатие информации при прохождении сигнала через автокодировщик
-
Метод анализа главных компонентов
- Набор данных как многомерное пространство
- Проекции и расстояния в многомерном пространстве
- Анализ дисперсии в данных и ее влияние на распределение данных
- Набор данных как многомерное пространство
-
Методы кластеризации
- Простановка меток или проведение границ
- Что такое сепарабельность данных
- Кластеризация в пространстве пониженной размерности: RFM-анализ потребителей
- Простановка меток или проведение границ
-
Ансамблевые методы
- Один сильный классификатор или много слабых
- Механизм голосования
- Нетривиальные подходы
- Один сильный классификатор или много слабых
-
Деревья и леса
- Мощная альтернатива нейронным сетям
- Решение нелинейных задач с помощью линейных инструментов
- Бустинг
- Мощная альтернатива нейронным сетям
-
Рекомендательные системы
- Векторы в многомерном пространстве
- Способов сказать «рядом» может быть несколько
- Различные способы кодирования информации о покупках
- Векторы в многомерном пространстве
В конце курса выполняется дипломный проект.
Бонусы курса
Добавьте навыки в резюме
-
Базовые навыки в алгебре, математическом анализе, теории вероятности и статистике
-
Практические навыки использования Python
-
Использование классических алгоритмов машинного обучения
-
Построение полно-связных нейронных сетей
-
Построение сверточных нейронных сетей для задач компьютерного зрения
-
Использование алгоритмов обучения без учителя
-
Обработка естестественных языков
-
Практические навыки использования фреймворка PyTorch
Как проходит обучение
Преимущества обучения в Компьютерной школе Hillel
-
![man-raising-hand]()
Группы по 17 человек Преподаватель уделяет время каждому студенту -
![nerd-face]()
Преподаватели практики У нас преподают только практикующие специалисты из топовых IT-компаний. -
![briefcase]()
Система личных кабинетов Эффективное и удобное обучение. -
![speech-balloon]()
Оперативная служба поддержки студентов Срочный вопрос — своевременное решение. -
![videocassette]()
Доступ к видеозаписям занятий Записи уроков остаются у студентов после окончания курса. -
![hammer]()
Практические занятия Большая часть занятий ориентирована на практику.
Оплата онлайн
Оплата производится через выставление инвойса на e-mail через сервисы LiqPay, Fondy и Mono Pay.
Гарантия возврата оплаты
До шестого занятия вы можете вернуть
100% внесенных за обучение средств.
-
Трудоустройство
![rocket]()
Что мы делаем для того, чтобы вы достигли успеха?
-
![clipboard]()
Проводим мастер-классы по подготовке резюме и поиску работы
-
![books]()
Регулярно обновляем программы курсов под требования рынка
-
![smiling-face-with-sunglasses]()
Приглашаем преподавать только лучших практикующих специалистов
-
![globe-with-meridians]()
Развиваем нашу сеть партнеров среди топовых IT-компаний
-
![direct-hit]()
Наши преподаватели часто сами забирают к себе наших лучших Студентов ;)
Наши преподаватели и выпускники работают в топовых IT-компаниях мира
Спасибо за курс по machine learning. Несмотря на то, что тема очень большая и сложная, преподавателю удалось просто и понятно объяснить основные идеи и попробовать применить их при выполнении домашних заданий. Кроме того, преподаватель всегда был на связи, помогал разобраться со сложными вопросами и поддерживал интерес к занятиям.
Всем спасибо, все было супер!) Отдельное спасибо Дмитрию Дегтярёву, Вы отлично объясняете и проводите аналогии, что очень важно и курс отлично зашел. Всем спасибо)
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!
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.
Дуже вдячний Іллі та Денису за їхні старання та викладання, курс був насиченим, цікавим та в міру складним. Домашні завдання були підібрані чудово для закріплення матеріалу. Впевнений що як новачки, так і досвідчені зможуть взяти для себе багато чого корисного. Загалом враження тільки позитивні, всім рекомендую :)
Хочеться виразити велику вдячність школі за чудову організацію курсу Machine Learning! Його перевагою є те, що він дає змогу за достатньо короткий термін отримати уявлення про основи машинного навчання, які застосовуються на практиці. Богдан, викладач курсу, людина з глибокими знаннями в даній галузі, здатний дуже чітко і грамотно пояснити всю математику, на якій базується дана наука. Домашні завдання дають змогу детальніше розібратися з роботою алгоритмів, викладач завжди готовий допомогти під час їх виконання, підказати, направити в правильному напрямку. Також, хотілось би відмітити, велику захопленість викладача даною областю комп’ютерних наук, що не може не передатися студентам. Чудова подача матеріалів та їх підготовка. Рекомендую даний курс всім хто хоче займатися машинним навчанням. Було б круто побачити продовження даного курсу!!!!
Сам по себе курс достаточно интересный и ёмкий. Были продемонстрированы разные модели и методы машинного обучения. Преподаватель дружелюбный, готов отвечать на вопросы в любое время, даже ночью. Для начала, наверное, очень неплохой вариант.
Из минусов. Было много переносов занятий (7 из 19, 4 по личной причине преподавателя). В конце не было дипломного проекта, хотя в программе писалось, что будет. Хотелось получить на последок какую-то задачу, где можно было бы применять те знания, которые были получены. При записи на курс не требовалось знания Python, но лично у меня были с этим сложности и мне приходилось очень много времени тратить в гугле, чтобы выполнить домашние задания.
Сам по себе курс достаточно интересный и ёмкий. Были продемонстрированы разные модели и методы машинного обучения. Преподаватель дружелюбный, готов отвечать на вопросы в любое время, даже ночью. Для начала, наверное, очень неплохой вариант.
Из минусов. Было много переносов занятий (7 из 19, 4 по личной причине преподавателя). В конце не было дипломного проекта, хотя в программе писалось, что будет. Хотелось получить на последок какую-то задачу, где можно было бы применять те знания, которые были получены. При записи на курс не требовалось знания Python, но лично у меня были с этим сложности и мне приходилось очень много времени тратить в гугле, чтобы выполнить домашние задания.
Часто задаваемые вопросы
-
Что нужно знать для обучения на курсе Machine Learning?
Математический анализ:
- Производные
- Правило дифференцирования сложной функции
- Градиенты
Линейная алгебра:
- Векторы
- Скалярное произведение и векторное произведение
- Функции и линейные преобразования
- Умножение матриц
- Обратные функции
- Транспонирование матрицы
Планирование эксперимента:
- Проверка гипотез
- Тесты на статистическую значимость
- Случайность
- Вероятность
-
Выдается ли сертификат об окончании курса Machine Learning международного уровня?
Наш сертификат о прохождении курсов внутреннего образца. В первую очередь мы вам предоставляем знания, отвечающие требованиям существующих вакансий на рынке труда. В IT-сфере при приеме на работу на должности начального уровня абсолютно не важно, какие у вас есть дипломы и какую сертификацию вы прошли. В первую очередь работодатель на собеседовании будет рассматривать то, что вы умеете и в чём есть опыт, а не какой диплом вы сможете принести с собой. Это касается как Украины, так и компаний, находящихся за границей.
К тому же многие наши курсы вам могут дать знания, которые вам понадобятся для прохождения сертификации удаленным образом через интернет. Данную сертификацию можно пройти только удаленно и самостоятельно.
-
Будут ли задавать домашние задания на курсе Machine Learning? Проверяется ли выполненное задание?
Да! Ведь это обязательная и очень важная часть процесса вашего обучения, так как каждый Студент должен закрепить весь полученный на занятии материал дома, выполняя домашние задания. Каждое заданное ДЗ будет проверяться преподавателем, и по нему вы будете получать фидбэк. Также некоторые задания разбираются на следующем занятии. Без выполнения домашний заданий никто не сможет добиться желаемого результата.
-
Как получить максимальный балл за домашнее задание на курсе Machine Learning?
Выполнение домашних работ, одна из самых важных составляющих обучения. Для того, чтобы получить максимальный балл за домашнее задание, нужно:
- Выполнить задание в указанные сроки
- Выполнить все условия задания
- Выполнить задание без ошибок
- Пересдача домашнего задания не более одного раза
-
Какой нужно иметь компьютер, чтобы обучаться на курсе Machine Learning?
Требования к компьютеру для обучения на курсе Machine Learning.
Операционная система:
- Windows 10 64-бит
- macOS 10.13 или выше
- Linux: Ubuntu 16.04 - 20.04
Процессор* :
- Минимум intel core i5 4-го поколения
- Рекомендуется i5 8-го
*Допустимы аналоги от AMD
Оперативная память:
- Минимум 8 Гб
- Рекомендуется 16 Гб
Память:
- Минимально 500 Гб HDD и более
- Рекомендуется 200 Гб SSD и более
- Популярные курсы:
-
Онлайн курсы по верстке
-
Java онлайн курс