Курс “Machine Learning. Basics”

Состоялось
25 сентября (суббота)
Место
Online
Стоимость
10 000 грн/мес

Классический вводный курс по современному Machine Learning’у с упором на практику.

Рассмотрим большинство популярных методов. Начиная от простых (но не менее эффективных) линейных моделей и древ решений, заканчивая более сложными буcтингами и глубокими нейронными сетями.
Лекции будут сопровождаться примерами решений реальных задач классификации, регрессии, кластеризации с использованием Python из наиболее популярных сфер применения ML. Таких, как автоматический анализ текстов, предсказание временных рядов, классификация картинок.

По окончанию курса получите не только общее представление о том, чем является Machine Learning сейчас, но и глубокое понимание современных инструментов и нюансов их использования. А также практический опыт тренировки, валидации, тюнинга различных моделей машинного обучения.

25 сентября 2021, курс длится 3 месяца
10 000 грн/мес, 30 000 грн при полной оплате курса, 10 500 грн/мес при оплате частями
25 студентов, каждый студент получает регулярный фидбек от кураторов группы

Детали и регистрация

Кураторы

Евгений Терпиль

Head of Data Science Squad в YouScan.

На протяжение последних 5 лет занимается автоматизацией аналитики социальных медиа с применением современных методов машинного обучения.

Интересуется глубоким обучением, анализом социальных сетей, применением Agile подходов в Data Science.

Виталий Радченко

Data Scientist в Scorum AI Scorum AI

Имеет много опыта в решении задач с нуля до отправки в продакшн. На данный момент работает над рекомендательными системами. Имеет опыт в Time Series, AutoML и классических задачах.

Программа курса

Part 1. Data Science
• Intro — AI vs ML.
• Exploratory Data Analysis: Pandas and Numpy.
• Visual Data Analysis.

Part 2. Classic Machine Learning
• Linear/Polynomial Regression.
• Logistic Regression.
• NLP Features.
• Evaluating models. Validation. Metrics.
• Time series analysis.
• Decision Trees.
• Random Forest / Bagging.
• Boosting — XGBoost, LightGBM, CatBoost.
• Unsupervised learning.
• Feature engineering.
• Feature importance.

Part 3. Intro to Deep Learning
• Basic Neural Networks.
• Into to PyTorch.
• DL in NLP.
• DL in CV.

Зарегистрироваться

👍НравитсяПонравилось0
В избранноеВ избранном0
LinkedIn

Нет комментариев

Подписаться на комментарииОтписаться от комментариев Комментарии могут оставлять только пользователи с подтвержденными аккаунтами.

Подписаться на комментарии