Курс "Пакет Machine Learning 0. Junior"

Описание курса

Курс "Пакет Machine Learning 0. Junior" от Skillbox - это базовый курс по машинному обучению, предназначенный для начинающих специалистов и программистов. Он предоставляет необходимые знания и практические навыки для работы с пакетом Python и библиотекой Scikit-learn.

Основные преимущества

• Курс является базовым и не требует предварительной подготовки, что позволяет начать обучение с нуля.
• Преподаватели курса являются профильными специалистами в области машинного обучения.
• Курс охватывает основные темы, необходимые для получения базовых знаний в машинном обучении и использования пакета Python и библиотеки Scikit-learn.
• Программа курса сочетает теорию с практическими заданиями и проектами, что позволяет закрепить полученные знания и научиться их применять в реальной жизни.

Для кого подходит

Курс "Пакет Machine Learning 0. Junior" подходит для начинающих программистов и специалистов, которые имеют базовые знания в области программирования на языках Python и SQL. Курс также подойдет тем, кто хочет начать карьеру в области машинного обучения и получить необходимые знания и навыки для выполнения задач в этой области.

Программа курса

• Введение в машинное обучение и пакет Python;
• Основные алгоритмы машинного обучения;
• Обработка данных с помощью библиотеки Pandas;
• Работа с библиотекой Scikit-learn;
• Практические задания и проекты.

Процесс обучения

Курс "Пакет Machine Learning 0. Junior" предоставляется в онлайн-формате и состоит из видеолекций и практических занятий с использованием пакета Python и библиотеки Scikit-learn. После окончания курса участникам предоставляется сертификат Skillbox.

Углубите свою экспертизу в работе с нейросетями

Отработаете навыки на практике: добавите 8 проектов в портфолио

Будете учиться при поддержке сообщества экспертов и менторов

Чему вы научитесь

Освоите инструменты Padding&stride, Pooling и LeNet. AlexNet, VGG, NiN, GoogLeNet, ResNet и DenseNet

Научите компьютер создавать картины и литературные произведения, вдохновляясь великими мастерами своего дела

Сможете строить классические RNN, GRU и LSTM и Encoder-Decoder-архитектуры. Познакомитесь с ячейками (GRU/LSTM) и эмбедингами

Будете решать прикладные задачи: Object Detection, Object Localization, Bounding boxes и AnchorBoxes. Углубитесь в CNN

Обучите генератор выбирать данные из линейной регрессии. Реализуете сеть генерации покемонов и обучите её

Познакомитесь с NER и машинным переводом: от Word2Wec до определения тональности и преобразования текста

Инструменты которые вы освоите на курсе

Основные виды градиентного спуска, включая Adam, RMSProp, Momentum, SGD. Регуляризация, DroupOut и BatchNorm на примере классификации MNIST

Свёртки и методы Padding & stride, Pooling и LeNet применительно к AlexNet, VGG, NiN, GoogLeNet, ResNet. Аугментация и TransferLearning. Языковые модели в RNN, GRU и LSTM

Понимание идеи attention. Dense-Attention для encoder-decoder архитектуры. Beam-Search

Сегментация vs Object Detection vs Object Localization и Bounding boxes vs AnchorBoxes. SSD и все продуктивные CNN. Семантическая сегментация и подготовка датасетов. Перенос стилей

Embeddings, Word2Wec, FastText, Glove и языковые модели. Обучение классификатора для прогнозирования вероятности следующего слова. Решение задач NER. Архитектуры Transformer, Bert, Elmo

Понимание базовой архитектуры, идеи дискримиантора и генератора. Очень много практики на генерацию изображений и объектов

Особенности:

Директор разработки и работы с данными, «ДомКлик»

Начал свой путь как Data Scientist в компании ABBYY, где работал в команде распознавания языков со сложной письменностью.

На текущем месте сформировал команду успешных профессионалов, разрабатывающих все ключевые модели в компании.