Мы используем куки, чтобы улучшить ваш пользовательский опыт. Нажимая на кнопку, вы соглашаетесь с нашей политикой куки.
Принять

MACHINE LEARNING

Ближайший старт: ноябрь 2024
Продолжительность: 14 ак. часов / 4 недели
Формат обучения: Лекция + семинар
Ближайший старт:
ОКТЯБРЬ 2024
Продолжительность:
20 ак. часов / 5 недель
Лекция + семинар
Формат обучения:
Готовый проект
В конце модуля получите готовый pet-проект, который можно презентовать работодателю
Обучение в удобное время
Изучите выбранную тему за короткий срок и присоединитесь к комьюнити программистов Mathshub
Поддержка
Во время обучения вас ждет ежедневная поддержка преподавателей и кураторов, которые помогут разобраться со сложными вопросами
Чему научим на MACHINE LEARNING
(✯◡✯)
На этом модуле вы изучите взаимосвязь между независимыми и зависимыми переменными, научитесь предсказывать значения последней на основе первых и разделять наблюдения на заранее определенные категории или классы на основе их признаков.
Вы поймёте, как нескольким разработчикам работать над одним проектом одновременно, улучшая качество и скорость его разработки, а также узнаете, что такое кластеризация и подготовка данных.
  • УЗНАЕТЕ ВСЁ О МАШИННОМ ОБУЧЕНИИ
    Машинное обучение — подраздел искусственного интеллекта, который обучает системы самостоятельно учиться и делать прогнозы или принимать решения на основе данных. На модуле вы начнёте изучать тему машинного обучения с введения, узнаете, каким оно бывает и какие основные компоненты его работы.
  • ПОЗНАКОМИТЕСЬ С КЛЮЧЕВЫМИ АЛГОРИТМАМИ
    Вы разберётесь в ключевых моментах работы машинного обучения, познакомитесь с понятием градиентного спуска. Это оптимизационный алгоритм, используемый для минимизации функций потерь в методах машинного обучения и искусственного интеллекта.
  • НАУЧИТЕСЬ СОЗДАВАТЬ ML-ПАЙПЛАЙНЫ
    ML-пайплайн — это набор этапов, выполнение которых приводит к созданию и обучению модели машинного обучения. Это методология разработки моделей, которая помогает улучшить процесс их создания, отладки и масштабирования. На модуле вы научитесь создавать пайплайны с нуля, развивать их, изучите их функционал.
  • ИЗУЧИТЕ ПОЛЕЗНЫЕ ПРИЁМЫ ПРИ РАБОТЕ С ДАННЫМИ
    Вы начнёте разбираться в том, как оптимизировать скорость работы и наладить процесс обработки данных. Узнаете, зачем необходимо использование кросс-валидации для оценки производительности, как делать предобработку данных и тонкую настройку.
ПРОГРАММА МОДУЛЯ

Продолжительность:

20 ак. часов / 5 недель

Формат обучения:

Лекция + семинар

[1]
Регрессии
  • Оценка качества моделей (R2, MAE, MSE, RMSE)
  • Регуляризация (l1, l2, elastic), подбор гиперпараметров (GreedSearch)
[2]
Классификация
  • Логистическая регрессия и метрики оценки качества (Accuracy, Precision, Recall, F1)
[3]
Кластеризация
[4]
Подготовка данных
  • Борьба с дисбалансом выборок (Взвешивание, Oversampling, Smote)
  • Кодирование признаков (label-encoding, one-hot-encoding)
  • Кросс-валидация данных (k-fold)
[5]
Продвинутые подходы ML
  • Ансамблевые модели (бэггинг, стекинг, бустинг)
  • Кодирование признаков (label-encoding, one-hot-encoding)
[6]
Практика и парное программирование по темам:
  • Регрессии
  • Классификация
  • Продвинутые техники ML
личная встреча с карьерным коучем
*только для тарифа профи
  • Как поставить карьерные цели и составить резюме
  • Как проработать мотивацию
  • Особенности и этапы собеседований
  • Подготовка портфолио
  • Получение работы за рубежом
Что узнаете:
  • Сертифицированный коуч ICF
  • Руководитель карьерной программы mathshub
  • наташа солнечная
О коуче:
Дата и время встречи подбирается индивидуально
Когда встретитесь:
ТВОИ НАВЫКИ ПОСЛЕ ОБУЧЕНИЯ
  • Основы теории машинного обучения
  • Валидирование данных
  • Построение регрессии, кластеризации и градиентного спуска
  • Создание ML-пайплайнов с нуля и их развитие
В ЧЕМ ПРЕИМУЩЕСТВА МОДУЛЕЙ?
Быстро и качественно изучите выбранную тему, не углубляясь в полноценную программу
Обучаетесь именно тем навыкам, которые вам необходимы
Дешевле, чем полноценная программа
Есть возможность выбрать подходящий формат обучения (в записи/вживую)
ПРЕПОДАВАТЕЛЬ МОДУЛЯ
  • ОЛЕГ БУЛЫГИН

    Machine Learning

    7 лет опыта в управленческих должностях в научно-производственных компаниях космической отрасли.

    6 лет помогает начинающим осваивать IT-дисциплины в качестве спикера и автора образовательных программ.

Выбери свой тариф
ОТЗЫВЫ СТУДЕНТОВ И ВЫПУСКНИКОВ
  • Благодарность лектору Олегу Булыгину за прекрасно подготовленные материалы к занятиям, которые можно повторно перечитывать, пересматривать, информация очень систематизировано изложена. В идеале было бы здорово, если бы вы взяли подход Олега как стандарт школы, чтобы все преподаватели в подобном виде готовили материалы к лекциям.
    Волкова Елена, студентка курса ML и Gen AI
  • Мне очень понравился курс по ML GEN AI, особенно занятия с Олегом Булыгиным, было одновременно и сложно, и интересно. Очень структурированный и понятный формат подачи информации, который помог мне разобраться в том, чего я раньше не знала. Плюс Олег сам действующий специалист, который помимо лекций и практик, делился еще подводными камнями и лайфхаками на занятиях, которые действительно мне помогли в дальнейшей работе. Поступая на этот курс в начале, я и подумать не могла, что в конце обучения я смогу выполнять такие проекты и работы, в этом большая заслуга команды организаторов и преподавателей!
    Выпускница курса ML и Gen AI, 1 поток
  • Есть качество образования, преподавания. Мощный модуль по ML с Олегом прямо суперский. Смотрю другие материалы, ничего подобного даже нет в интернете.
    Выпускник 2 потока, Data Science
  • Особенно хочу отметить преподавателя Олега Булыгина - такой уровень преподавания редко встретишь, когда объясняют настолько понятными словами и ещё и делают учебный процесс увлекательным, что каждое занятие пролетает незаметно и ты уже с нетерпением ждёшь следующего.
    Олег Брагин, выпускник курса «ML-инженер»
о школе

БЕСПЛАТНАЯ КОНСУЛЬТАЦИЯ

С КАРЬЕРНЫМ МЕНЕДЖЕРОМ

вопросы и ответы