Начните вводить название курса или технологии

    Ничего не найдено

    Онлайн-курс
    Machine learning

    Advanced level
    4.7
    занятийзанятий в неделюстарт

    За неделю записалось

    Осталось

    Этот курс в формате offline доступен в

    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, как самый распространенный на сегодняшний день язык для работы с машинным обучением и анализом данных.

    Научиться проходить все этапы проекта машинного обучения:

    • подготовка данных, конструирование признаков
    • определение типа необходимой модели машинного обучения
    • выбор алгоритма оптимизации, регуляризация модели
    • выбор метрик для контроля качества модели
    • визуализация полученных результатов

    Рассчитан на IT-специалистов и инженеров любой специальности, знающих Python, линейную алгебру, математический анализ и статистику на уровне первого курса технического вуза.

    Для записи требуется пройти тест.

    Преподаватели курса

    Вас будут обучать практикующие специалисты, работающие в топовых компаниях.

    Дмитрий Дегтярёв
    Дмитрий ДегтярёвMachine Learning Engineer в SciForce Solutions

    Начал трудовую деятельность в 2007 году с должности математика-аналитика в машиностроительной компании, будучи студентом выпускного курса университета. С тех пор навсегда связал себя с механикой и прикладной математикой. Выполнил ряд расчетно-исследовательских работ в интересах государственных и частных предприятий Украины и зарубежья.

    С 2010 года интересовался языком Python, с 2016 года регулярно использует Python для решения задач статистики и машинного обучения, с 2018 года работает инженером по машинному обучению в компаниях региона.

    Роман Захаров
    Роман ЗахаровHead of R&D в Softcube

    13 лет практики машинного обучения, аспирантура в НГУ и Université catholique de Louvain, доклады и статьи на украинских и зарубежных конференциях, связанных с машинным обучением и искусственным интеллектом.

    Со-основатель компании Softcube.

    Ходит в яхтенные походы.

    Программа онлайн-курса
    Machine learning

    20 занятий
    Advanced level
    Дипломный проект
    • Науки, на которых базируется машинное обучение
      • линейная алгебра
      • статистика
      • оптимизация
      • типы задач машинного обучения - классификация и прогноз
    • Основные этапы проекта машинного обучения
      • подготовка данных
      • выбор модели, настройка гиперпараметров модели
      • граф вычислений
      • метрики для контроля качества модели
    • Перспептрон — простейшая нейронная сеть (ч.1)
      • матричные операции при прямом распространении сигнала
      • матричные операции при обратном распространении сигнала
      • градиент целевой функции
    • 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
    • Рекуррентные нейронные сети
      • последовательные структуры данных вокруг нас
      • проблема взрывных и исчезающих градиентов
      • LSTM- и GRU-вентили в архитектуре рекуррентных нейронных сетей
    • 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
    • Автокодировщики
      • сжатие информации при прохождении сигнала через автокодировщик
      • понижение размерности, выделение признаков
      • сжатие данных и снижение уровня шума
    • Метод анализа главных компонент
      • набор данных как многомерное пространство
      • проекции и расстояния в многомерном пространстве
      • анализ дисперсии в данных и ее влияние на распределение данных
    • Методы кластеризации
      • простановка меток или проведение границ
      • что такое сепарабельность данных
      • кластеризация в пространстве пониженной размерности: RFM-анализ потребителей
    • Ансамблевые методы
      • один сильный классификатор или много слабых
      • механизм голосования
      • нетривиальные подходы
    • Деревья и леса
      • мощная альтернатива нейронным сетям
      • решение нелинейных задач с помощью линейных инструментов
      • бустинг
    • Рекомендательные системы
      • вектора в многомерном пространстве
      • способов сказать "рядом" может быть несколько
      • различные способы кодирования информации о покупках

    В конце курса выполняется дипломный проект.

    Выпускники получают сертификат об окончании курса.

    Бонусы курса

    • Тестовое собеседование с техническим специалистом
    • Специально снятые дополнительные видеоматериалы

    Как проходит обучение

    • Занятия проводятся в режиме онлайн-трансляции, а видеозапись сохраняется в личном кабинете.

    • Домашние задания в любое удобное время отправляются через личный кабинет на проверку преподавателю.

    • Преподаватель даёт обратную связь с разбором ошибок в домашнем задании.

    • Вы прорабатываете ошибки и закрепляете пройденный материал.

    Преимущества онлайн-обучения в Компьютерной школе Hillel

    • Группы по 14 человек Преподаватель уделяет время каждому студенту.
    • Преподаватели практики У нас преподают только практикующие специалисты из топовых IT-компаний.
    • Система личных кабинетов Эффективное и удобное обучение.
    • Оперативная служба поддержки студентов Срочный вопрос — своевременное решение.
    • Доступ к видеозаписям занятий Записи уроков остаются у студентов после окончания курса.
    • Практические занятия Большая часть занятий ориентирована на практику.

    Наши преподаватели и выпускники работают в топовых IT-компаниях мира

    SamsungInfopulseEvoEPAMCiklumDataArtpromLohikaHYSMacPawUbisoftProvectusSnapchatOWOXChappsКиївстарReaddleIsobarCognianceIntersogЦитрусPrivatBankАльфа-БанкUkrsibbankПУМБjelvixRakuten IntelligenceOperaArtjokerWixAB SoftWildixCredit agricoleTseh 2.0
    Looksery
    AnadeaGUIDTubikORTTICKETS.UAArcherIndigoaprioritOdesSeoOlynyk StudioX1 groupТаврия ВAndersenSigma SoftwareTapmedia
    Fintech band
    Rakuten ViberSoftServePlariumadtelligentemergnСodica
    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 несомненно есть большой плюс. Очень понравилось отношение к студентам как со стороны администраторов, так и 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!

    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.

    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.

    Часто задаваемые вопросы

    • 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 i3 4-го поколения
      • Рекомендуется i5 7-го
        *Допустимы аналоги от AMD

      Оперативная память:

      • Минимум 8 Гб
      • Рекомендуется 12 Гб

      Память:

      • Минимально 200 Гб HDD и более
      • Рекомендуется 200 SSD и более
    • Как мне определиться с курсом? Что сейчас наиболее востребовано Online?

      Следует отметить, что все направления, которые вы могли бы изучить в нашей Школе, являются между собой практически идентичными по востребованности. При выборе направления очень важно учитывать то, чем бы вам хотелось заниматься в будущем. То, к чему вы больше склоняетесь и что вам больше нравится в повседневной жизни. Вплоть до того, какие предметы вам лучше давались, когда вы учились в школе.

      Чтобы помочь вам с выбором направления, мы составили специальный профориентационный тест.

      Для того, чтобы определиться с направлением и задать все интересующие вас вопросы, вы можете записаться на бесплатную консультацию, и в течение короткого времени с вами свяжется один из наших администраторов и сможет подробно обо всём рассказать.

    • Смогу ли я устроиться на работу после прохождения курса Machine learning?

      Программа наших курсов, которые ориентированы на трудоустройство, построена таким образом, что Студент, проходя каждый её пункт, выполняя все домашние задания и следуя всем советам Преподавателя, может рассчитывать на дальнейшее трудоустройство и соответствовать существующим вакансиям на специалиста начального уровня в области выбранного курса.

      Крайне важно помнить о том, что не придерживаясь вышеуказанных принципов, достичь необходимого результата по завершении курса, скорее всего, не представится возможным. Именно поэтому мы не можем заранее вам гарантировать трудоустройство, но мы можем содействовать в этом нашим Выпускникам, которые учились наиболее усердно.

      Наш штатный менеджер по трудоустройству всегда рад в этом помочь нашим Выпускникам, а также ответить на их вопросы, связанные с оформлением резюме и прочим. Также в нашей Школе мы проводим бесплатные занятия с рекрутерами из IT-компаний города, где они дают советы по поиску первой работы в IT-сфере.

    • Где можно посмотреть отзывы о вашей Школе Online?

      Вы можете прочесть отзывы наших Студентов и Выпускников на нашем сайте, перейдя по данной ссылке. Еще вы сможете найти отзывы и информацию о нас, зайдя на сайт DOU.ua или же прописав название нашей Школы в Google, где вы также сможете увидеть отзывы о нашей Школе в нашем Google-аккаунте или на Google-картах.

    • 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
    • Кем работают ваши Преподаватели? Имеют ли они опыт преподавания?

      Мы всегда очень ответственно стараемся подходить к вопросу подбора Преподавателей в нашей Школе. Наши Преподаватели — практикующие специалисты в крупнейших IT-компаниях города. Также они имеют как опыт преподавания в нашей Школе, так и опыт менторства по месту их профессиональной деятельности. В своей манере обучения они делают упор на последние тенденции IT-рынка и исключительно на свой личный опыт для того, чтобы наши Выпускники имели наиболее востребованные знания и опыт работы с конкретными кейсами.

    • Существуют ли какие-нибудь скидки или система лояльности, если Студент по завершении одного курса идёт на следующий курс?

      Да, безусловно. Многие наши курсы предусматривают дополнительную систему бонусов для тех Студентов, которые хотят продолжать обучение в нашей Школе.

      Эта система состоит в том, что в конце курса Студенты пишут тест по пройденному материалу или сдают итоговую работу, по итогам которых получают скидку на следующий курс данного направления:

      - Студент, который имеет самый высокий результат получает скидку 25% на дальнейшие курсы;

      - Студент, занявший второе место, получает 15% скидку;

      - Студент, который оказался на третьем месте, получает 10% скидку.

      Все Студенты получают скидку в размере 5% на любой из курсов Школы.

    • Что делать, если я буду вынужден уехать и пропустить одно или несколько занятий?

      Нужно стараться, по возможности, не пропускать занятия, но мы понимаем, что ситуации могут быть всякие. Поэтому даже при условии пропуска занятия наши Студенты имеют доступ к видеозаписям каждого занятия. Так как все наши классы оборудованы видеокамерами, по завершении каждого занятия Студенты получают видеозапись на следующий день для дополнительной проработки пройденного материала. Также за каждым Студентом фиксируется его личный кабинет в специализированной Learning Management System, где он сможет просматривать презентации занятий, выполнять задания преподавателя, сдавать промежуточные тесты и быть в курсе всей важной информации, связанной с его специализацией. Доступ к данной системе будет сохранён и после окончания курса.

    Заявка на консультацию

    Оставьте ваши контактные данные, и мы вам обязательно перезвоним!

    Обязательно укажите ваше имя кириллицей

    Обязательно укажите email, по которому мы сможем с вами связаться

    Обязательно укажите телефон в международном формате

    • telegram Telegram
    • viber Viber

      Школа работает с 10:00 до 21:00 по будням и с 10:00 до 19:00 по выходным дням (киевское время, GMT+2).

      Отправлено

      РусУкр

      Запишитесь на видеоконсультацию

      Это удобнее, чем по телефону и информативнее чата.