Курс Machine Learning
Про курс
Реєструйся на передінтернатурний курс – насичуйся практикою з ML!
У світі, де дані є новою нафтою, машинне навчання — це теперішнє та майбутнє. Machine Learning нині є галуззю в ІТ-індустрії, яка швидко розвивається та має безліч перспектив. За допомогою цієї технології комп’ютери можуть навчатись, вдосконалюватись та самостійно приймати рішення, що дозволяє вирішувати складні завдання.
Сучасні перекладачі, пошуковики, маркетплейси, чатботи, безпілотні машини, літаки й попередній абзац, який ви щойно прочитали — усе це створено завдяки штучному інтелекту та машинному навчанню. Фактично, ШІ оточує нас у будь-якій сфері, і чому б нам не заглибитись у цю тему трохи більше?
Запрошуємо тебе на передінтернатурний курс з напряму Machine Learning. Ми шукаємо кандидатів, які мають необхідні навички та хочуть отримати захопливий досвід роботи з передовими технологіями машинного навчання та штучного інтелекту. Встигни зареєструватися до 12.11 18:00 за київським часом, пройти тест з англійської мови до 13.11 та виконати тестове завдання до 17.11!
Та курс – не крапка у твоєму розвитку із CHI IT Academy. Кращі випускники передінтернатурного курсу зможуть потрапити до оплачуваної інтернатури за напрямом Machine Learning у компанію CHI Software.
Тут на тебе чекають більш вузькопрофільні спеціалізації, такі як Computer Vision, Natural Language Processing, Signal Processing тощо.
Як потрапити на оплачувану інтернатуру ML?
- 1. Успішно закінчити місячний курс лекцій у CHI IT Academy;
- 2. Пройти чек на знання англійської мови;
- 3. Пройти співбесіду з ML-командою;
- 4. Пройти відбір та практично відточувати свої ML-скіли протягом трьох місяців.
На самому ж курсі лекцій ти отримаєш фундаментальні знання в області Data Science, Machine Learning та Deep Learning.
Гортай далі, щоб побачити деталі програми ↓
Вимоги до кандидатів:
- наявність будь-якого досвіду у вирішуванні ML задач;
- базові знання в Python;
- високий рівень знань з математики та статистики;
- профільна освіта в області Computer Science / Mathematics / Physics / Economics (студент 3-5 курсу або випускник);
- англійська не нижче Intermediate.
- знання ML/DL фреймворків та бібліотек (наприклад, NumPy, Pandas, TensorFlow, sklearn etc.);
- навички користування GitHub
Щоб доєднатися до передінтернатурного курсу Machine Learning, тобі потрібно:
Програма підготовчого курсу
01
Методи попередньої обробки даних
Основні поняття та визначення. Класифікація даних. Тріада дані – знання – інформація. Подання даних. Одновимірні, двовимірні та багатовимірні дані. Дискретні та неперервні величини. Кількісні та якісні дані. Поняття про шкали вимірювання. Типи шкал для класифікації даних. Приклади шкал та їх властивості. Завантаження та попередня обробка даних за допомогою бібліотеки Pandas. DataSeries та DataFrame. Методи завантаження та синхронізації даних із різних ресурсів, індексні поля, групування. Методи роботи з таблицями даних. Зведення до дискретних часових інтервалів. Усунення пропусків та інтерполяція даних. Види трансформацій DataFrame
Тривалість — 6 годин
02
Візуалізація даних
Методи відображення графічної інформації. Типи графіків. Основні бібліотеки для виводу графічної інформації. Динамічні графіки.Особливості відображення зберігання географічних даних. Методи відображення полігонів, координат та інших географічних об’єктів. Розрахунок віддалі та перекриттів. Вивід динамічної географічної інформації.
Тривалість — 3 години
03
Основні задачі машинного навчання
Класифікація, регресія, кластеризація, зменшення розмірності, попередня обробка даних, асоціативні правила.
Тривалість — 6 годин
03
Оцінка якості моделей
Стратегії оцінки. Оцінка точності. Оцінка помилок. Статистична оцінка. Оцінка продуктивності. Крива ROC.
Тривалість — 3 години
05
Ансамблі та конвеєри
Види ансамблевих моделей, методи побудови та відображення конвеєрів, створення власних конвеєрів та ансамблі на основі власних моделей.
Тривалість — 3 години
06
Введення в штучні нейронні мережі
Перцептрон, нейронна мережа зворотнього поширення помилки. Модель чорної скриньки. Прогнозування часових рядів.
Тривалість — 3 години
07
Фреймворки для глибокого навчання (TensorFlow, Keras)
Створення класичних моделей нейронних мереж. Рекурентні нейронні мережі. Ансамблі моделей на основі бібліотек глибинного навчання.
Тривалість — 3 години
08
Згорткові нейронні мережі
Методи побудови вектору ознак для рисунків. Розпізнавання зображень на основі вектора ознак. Побудова зі згорткових нейронних мереж.
Тривалість — 3 години