Программа курса по машинному обучению

Фундаментальные основы

Курс начинается с разбора наук, на которых основывается машинное обучение. Студенты повторят ключевые концепции линейной алгебры, статистики и оптимизации. Определят разницу между основными типами задач - классификацией и прогнозированием.

Структура проекта машинного обучения

Далее рассматриваются этапы создания проекта. Это подготовка данных, выбор модели и настройка ее параметров. Студенты научатся строить граф вычислений и оценивать качество модели с помощью метрик.

Персептрон: от основ до практики

Два модуля посвящены простейшей нейронной сети - персептрону. Разбирается механизм прямого и обратного распространения сигнала, работа с градиентом и обновление весов. Сравниваются реализации на NumPy и Keras. Изучаются методы регуляризации и batch-обучения.

Специализированные архитектуры нейронных сетей

Этот блок охватывает три типа сетей. Рекуррентные сети для работы с последовательностями и проблемы градиентов. Сверточные сети для анализа изображений через фильтры и операции свертки. Автокодировщики для сжатия данных и снижения шума.

Классические методы машинного обучения

Здесь студенты освоят метод главных компонент для работы с многомерными пространствами. Методы кластеризации для группировки данных без меток. Ансамблевые методы, где много слабых классификаторов объединяются в один сильный.

Деревья решений и рекомендательные системы

Модуль о мощных алгоритмах, которые конкурируют с нейронными сетями. Деревья и леса решают нелинейные задачи линейными методами. Рекомендательные системы работают с векторами в многомерном пространстве.

Завершение обучения

Курс завершается дипломным проектом, где студенты применяют полученные знания на практике.

Для кого этот курс

Программа разработана для IT-специалистов и инженеров с базовыми знаниями Python, линейной алгебры, математического анализа и статистики. Необходимый уровень первого курса технического вуза.

Формат обучения

Занятия проходят онлайн. Студенты имеют доступ к видеозаписям уроков. Работает оперативная служба поддержки. Преподаватели - практики из топовых компаний.

Дополнительные возможности

Предусмотрено возвращение средств до шестого занятия. К курсу добавляются тренинги по подготовке резюме и прохождению собеседований. Студенты могут пройти тестовое собеседование с техническим специалистом.

Что включено

Выдается диплом/сертификат

Гибкий график

Сопровождение ментора

Machine Learning

О курсе

Программа курса по машинному обучению

Фундаментальные основы

Структура проекта машинного обучения

Персептрон: от основ до практики

Специализированные архитектуры нейронных сетей

Классические методы машинного обучения

Деревья решений и рекомендательные системы

Завершение обучения

Для кого этот курс

Формат обучения

Дополнительные возможности

Что включено

О школе

Hillel IT school

Другие курсы школы

C# Basic

3D моделювання

Основи Python для школярів