Програма курсу з машинного навчання

Фундаментальні основи

Курс починається з розбору наук, на яких ґрунтується машинне навчання. Студенти повторять ключові концепції лінійної алгебри, статистики та оптимізації. Визначать різницю між основними типами завдань - класифікацією та прогнозуванням.

Структура проєкту машинного навчання

Далі розглядаються етапи створення проєкту. Це підготовка даних, вибір моделі та налаштування її параметрів. Студенти навчаться будувати граф обчислень і оцінювати якість моделі за допомогою метрик.

Персептрон: від основ до практики

Два модулі присвячені найпростішій нейронній мережі - персептрону. Розбирається механізм прямого і зворотного поширення сигналу, робота з градієнтом та оновлення ваг. Порівнюються реалізації на NumPy і Keras. Вивчаються методи регуляризації та batch-навчання.

Спеціалізовані архітектури нейронних мереж

Цей блок охоплює три типи мереж. Рекурентні мережі для роботи з послідовностями та проблеми градієнтів. Згорткові мережі для аналізу зображень через фільтри та операції згортки. Автокодувальники для стиснення даних і зниження шуму.

Класичні методи машинного навчання

Тут студенти освоять метод головних компонент для роботи з багатовимірними просторами. Методи кластеризації для групування даних без міток. Ансамблеві методи, де багато слабких класифікаторів об'єднуються в один сильний.

Дерева рішень та рекомендаційні системи

Модуль про потужні алгоритми, які конкурують з нейронними мережами. Дерева і ліси вирішують нелінійні задачі лінійними методами. Рекомендаційні системи працюють з векторами в багатовимірному просторі.

Завершення навчання

Курс завершується дипломним проєктом, де студенти застосовують отримані знання на практиці.

Для кого цей курс

Програма розроблена для IT-фахівців та інженерів з базовими знаннями Python, лінійної алгебри, математичного аналізу та статистики. Необхідний рівень першого курсу технічного вузу.

Формат навчання

Заняття проходять онлайн. Студенти мають доступ до відеозаписів уроків. Працює оперативна служба підтримки. Викладачі - практики з топових компаній.

Додаткові можливості

Передбачено повернення коштів до шостого заняття. До курсу додаються тренінги з підготовки резюме та проходження співбесід. Студенти можуть пройти тестову співбесіду з технічним фахівцем.

Що включено

Видається диплом/сертифікат

Гнучкий графік

Супровід ментора

Machine Learning

Про курс

Програма курсу з машинного навчання

Фундаментальні основи

Структура проєкту машинного навчання

Персептрон: від основ до практики

Спеціалізовані архітектури нейронних мереж

Класичні методи машинного навчання

Дерева рішень та рекомендаційні системи

Завершення навчання

Для кого цей курс

Формат навчання

Додаткові можливості

Що включено

Про школу

Hillel IT school

Інші курси школи

C# Basic

3D моделювання

Основи Python для школярів