Про курс
На курсі Machine Learning Beginning ми розглянемо більшість популярних методів: починаючи від простих (але не менш ефективних) лінійних моделей і дерев рішень, закінчуючи складнішими буcтингами та глибокими нейронними мережами.
Лекції супроводжуватимуться прикладами рішень реальних завдань класифікації, регресії, кластеризації з використанням Python з найпопулярніших сфер застосування ML — автоматичного аналізу текстів, передбачення часових рядів, класифікації картинок.
Після закінчення курсу ви матимете не тільки загальне уявлення про те, чим є Machine Learning, а й глибоке розуміння сучасних інструментів і нюансів їхнього використання. А також отримаєте практичний досвід тренування, валідації та тюнінгу різних моделей машинного навчання.
осінь 2024
курс триває 3 місяці
10 000 грн/міс.
30 000 грн при повній оплаті курсу10 500 грн/міс. при оплаті частинами
25 студентів
кожен студент отримує регулярний фідбек від куратора
Програма курсу
-
Intro to Data Science
- — AI vs. ML: зрозумійте ключові відмінності та взаємозв'язки між Artificial Intelligence та Machine Learning, досліджуючи їх визначення, застосування та важливість у сучасних технологіях.
- — NumPy for Numerical Computations: навчіться використовувати NumPy для числових обчислень, включаючи операції з масивами, математичні функції та рутинні операції з лінійною алгеброю.
- — Exploratory Data Analysis. Pandas: зануртеся у базові інструменти для маніпулювання та аналізу даних.
- — Visual Data Analysis: отримайте навички візуалізації даних для виявлення шаблонів, трендів та інсайтів.
-
Classic Machine Learning
- — Evaluating Models — Validation and Metrics: опануйте техніки оцінки моделей машинного навчання, а саме cross-validation, confusion matrices, ROC curves, precision, recall та F1 score.
- — Linear and Polynomial Regression: дослідіть концепції і застосування лінійних та поліноміальних регресійних моделей, їх реалізацію та інтерпретацію результатів.
- — Decision Trees: розберіться зі структурою та застосуванням decision trees, їх побудовою, інтерпретацією та оцінкою.
- — Random Forest and Bagging: опрацюйте ансамблеві методи, зосереджуючись на random forests та bagging.
- — Boosting — XGBoost, LightGBM, CatBoost: визначте передові алгоритми boosting, їх реалізацію і те, як вони покращують точність прогнозування.
- — Unsupervised Learning — Dimensionality Reduction and Clustering: відкрийте для себе техніки clustering та dimensionality reduction, способи їх практичного застосування.
- — Feature Engineering: побачте на реальних прикладах, як feature engineering може значно вплинути на продуктивність моделі.
- — Feature Importance: дізнайтеся, як визначати та інтерпретувати важливість ознак у ваших моделях, покращуючи ваше розуміння та здатність приймати обґрунтовані рішення.
- — NLP Features: проаналізуйте, як витягувати та використовувати ознаки в Natural Language Processing, включаючи токенізацію, стемінг, лематизацію та техніки векторизації.
- — Time Series Analysis: навчіться правильно працювати з time series data.
-
Intro to Deep Learning
- — Basic neural networks: зрозумійте архітектуру та функціонування базових нейронних мереж, включаючи feedforward networks та backpropagation алгоритм.
- — Into to PyTorch: отримайте практичний досвід з PyTorch — провідним фреймворком для deep learning, щоб будувати та тренувати нейронні мережі.
- — DL in NLP: дослідіть застосування deep learning у Natural Language Processing, включаючи техніки для класифікації тексту, аналізу настроїв та моделювання мови.
- — DL in CV: дізнайтеся про методи deep learning для завдань computer vision, а саме класифікацію та сегментацію зображень, і виявлення об'єктів.
Курс для вас, якщо ви
Розробник
і хочете перейти в Data Science
Data Scientist-початківець
ML Engineer, Data Engineer, Data Analysts
Досвід
знання Пайтон, основ лінійної алгебри та теорії ймовірностей
Час
10-12+ годин на тиждень для виконання домашніх завдань
Як відбувається навчання
Живі заняття
Вебінари з куратором та групою проходитимуть щосереди о 19:30 та щосуботи об 11:00.
Real-life завдання
У нас діє Practicult — культ практики. Тому ви виконуватимете багато складної домашки з реальних робочих буднів. Have fun & survive.
Курсовий проєкт
Під час навчання ви зробите великий проєкт. Адже принцип курсу — все як у житті.
Регулярний фідбек
У нас немає базових і преміум режимів. Тільки преміум, завжди. Отримайте від куратора все. І так, десята ітерація — це нормально.
Сертифікат за здобутки
Наші сертифікати справді цінують на ринку. Тому ми видаємо їх лише тим студентам, які виконали щонайменше 70% домашніх завдань та захистили курсовий проєкт.
ГРАФІК
Старт
осінь 2024
Вебінари
середа — 19:30
субота — 11:00
Мова викладання
українська, частина матеріалів буде англійською
Запитання
Чи потрібні якісь навички для вступу на курс?
Це базовий курс для людей без досвіду в галузі, усе потрібне вивчатимемо з нуля. Проте ми цінуємо ваш час і хочемо, щоб навчання було для вас релевантним. Тому після реєстрації надішлемо коротку анкету. Вона допоможе кураторові дізнатися про ваш попередній досвід, а також оцінити мотивацію й загальне розуміння галузі.
Якщо все добре –– ми вам одразу повідомимо про зарахування. А за кілька днів до старту курсу надішлемо лист з інформацією про процес навчання. Важливо: місце в групі бронюється тільки після внесення оплати.
Якщо ви отримаєте відмову –– не засмучуйтеся. Ми надішлемо також список корисних посилань. Ознайомтеся з цими матеріалами, а відтак сміливо подавайтеся на курс знову.
Який софт використовуватимемо на курсі?
Python3 + classic ML stack (NumPy, Pandas, Sklearn, LightGBM/CatBoost/XGBoost) + PyTorch, Jupyter Notebooks.
Як відбувається комунікація на курсі та у якому форматі куратор дає фідбек?
Уся комунікація на курсі відбуватиметься на платформі Slack (робочий чат групи, канали для домашніх завдань і корисних посилань). Куратор даватиме фідбек у вигляді коментарів до домашніх завдань і обговорення на вебінарах.
Чи будуть записуватися вебінари?
Ми щоразу організовуємо запис, однак краще виділіть час, щоб долучитися до онлайн зустрічі — обговорити питання з одногрупниками та проконсультуватися з куратором.
А сертифікат буде?
Буде, якщо ви докладете зусиль. Щоб отримати сертифікат, потрібно виконати щонайменше 70% домашніх завдань, отримати фідбек та «зараховано» від куратора, а також здати й захистити курсовий проєкт. Дедлайном для здачі та зарахування робіт є дата випуску.
Що, як мені не сподобається?
Ми зможемо повернути вам усю суму за навчання протягом 7 днів від початку курсу, якщо ви передумаєте.
