Войти
Каталог
Курс Machine Learning и Deep Learning
Комплект продвинутых курсов для освоения машинного и глубокого обучения — вы научитесь создавать ML-модели и обучать нейронные сети
Курсы по искусственному интеллекту и машинному обучению от SkillFactory
Длительность
Формат
онлайн
онлайн
Старт
Партнер курса
3 декабря
5 мес
Самая востребованная технология искусственного интеллекта
Machine Learning vs Deep Learning — в чем разница?
Как подобрать нужный алгоритм? «Потрогаем руками» все алгоритмы и разберемся на практике — где нужны нейронные сети, а где достаточно классических алгоритмов. Комплексный подход, организованный на курсе Machine Learning Pro + Deep Learning, подойдет для тех, кто хочет прокачаться в программировании глубоких нейронных сетей и моделей машинного обучения. Прохождение курсов потребует базового знания языка Python. В процессе обучения вы освоите все классические алгоритмы машинного обучения — от деревьев до рекомендательных систем, а также научитесь создавать различные нейронные сети.
Вас ждут хакатоны и in class соревнования на kaggle.
Как подобрать нужный алгоритм? «Потрогаем руками» все алгоритмы и разберемся на практике — где нужны нейронные сети, а где достаточно классических алгоритмов. Комплексный подход, организованный на курсе Machine Learning Pro + Deep Learning, подойдет для тех, кто хочет прокачаться в программировании глубоких нейронных сетей и моделей машинного обучения. Прохождение курсов потребует базового знания языка Python. В процессе обучения вы освоите все классические алгоритмы машинного обучения — от деревьев до рекомендательных систем, а также научитесь создавать различные нейронные сети.
Вас ждут хакатоны и in class соревнования на kaggle.
Курс по машинному обучению и нейросетям подойдет вам, если вы
- НовичокВы начинающий Data Scientist, уверенно владеете Python, разбираетесь в математике
и статистике. Вы сможете систематизировать и углубить полученные самостоятельно
или на бесплатных курсах знания, пообщаться с профессионалами, применить модели Machine Learning на практике. - ПрограммистВы программируете на Python
и столкнулись с задачами программирования нейронных сетей в работе. На курсе
вы освоите основные алгоритмы машинного обучения, обучите рекомендательную систему
и создадите несколько
нейронных сетей. - АналитикВы аналитик со знанием Python, оперируете большим объемом данных и хотите погрузиться в Machine Learning и Deep Learning. На курсе вы узнаете, какие задачи решает машинное обучение, примените
основные методы предобработки данных, создадите чат-бота на базе нейросети.
Программировать на Python и использовать этот язык для анализа и обработки данных
Разработать модель предсказания кредитного рейтинга
Работать с моделями и алгоритмами машинного обучения и решать на их основе практические задачи
Построить модель для увеличения продаж в розничном бизнесе
Этот курс входит в программу Профессия «Data Scientist»
Получать данные из разных источников: базы данных, файлы, интернет
Создать систему рекомендаций подходящих товаров при покупке
Получите навыки уровня middle в Data Science
Вы научитесь:
Уже к середине курса вы сможете
Преимущества курса
- Для обучения machine learning + deep learning вам понадобится знание Python. Мы научим вас базовому пониманию машинного обучения и углубим знания в области Data Science.
- Курс основан на практике. Фокус и упор мы делаем не на математическом фундаменте, а именно на понимании задач
и практическом применении решений. - Обучение на курсе — отработка практических навыков программирования глубоких нейронных сетей. Используем силу machine learning для решения задач бизнеса!
- Курс даст понимание алгоритмов и знание необходимых библиотек при использовании Deep Learning.
Преподаватели
- Эмиль МагеррамовCOO Data Lab,
компания EORA - Антон КиселевHead of R&D, компания EORA
- Сергей ВеренцовCTO, компания EORA
- Андрей ЗимовновСтарший разработчик в Яндекс.Дзен
- Дмитрий КоробченкоDeep Learning R&D Engineer, NVIDIA
- Эмиль БогомоловИнженер-исследователь в группе ADASE Сколтех
Краткая программа курса «Machine Learning PRO»
Помощь наставника на протяжении обучения
ML-PRO-1
ML-PRO-1
Введение в машинное обучение
Знакомимся с основными задачами и методами machine learning , изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом
Решаем 50+ задач на закрепление темы
Решаем 50+ задач на закрепление темы
ML-PRO-2
ML-PRO-2
Методы предобработки данных
Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering
Решаем 60+ задач на закрепление темы
Решаем 60+ задач на закрепление темы
ML-PRO-3
ML-PRO-3
Регрессия
Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии
Решаем 40+ задач на закрепление темы
Решаем 40+ задач на закрепление темы
ML-PRO-4
ML-PRO-4
Кластеризация
Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML
Решаем 50+ задач на закрепление темы
Решаем 50+ задач на закрепление темы
ML-PRO-5
ML-PRO-5
Tree-based алгоритмы: введение в деревья
Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии
Решаем 40+ задач на закрепление темы
Решаем 40+ задач на закрепление темы
ML-PRO-6
ML-PRO-6
Tree-based алгоритмы: ансамбли
Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии
Решаем 40+ задач на закрепление темы
Участвуем в соревновании на kaggle по обучению tree-based модели
Решаем 40+ задач на закрепление темы
Участвуем в соревновании на kaggle по обучению tree-based модели
ML-PRO-7
ML-PRO-7
Оценка качества алгоритмов
Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения
Оцениваем качество нескольких моделей ML
Решаем 40+ задач на закрепление темы
Оцениваем качество нескольких моделей ML
Решаем 40+ задач на закрепление темы
ML-PRO-8
ML-PRO-8
Временные ряды в машинном обучении
Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров
Решаем 50+ задач на закрепление темы
Решаем 50+ задач на закрепление темы
ML-PRO-9
ML-PRO-9
Рекомендательные системы
Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели
Решаем 50+ задач на закрепление темы
Решаем 50+ задач на закрепление темы
ML-PRO-10
ML-PRO-10
Финальный хакатон
Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle
Программа курса «Deep Learning»
DL-1
DL-1
Введение в искусственные нейронные сети
Создаем нейронную сеть для распознавания рукописных цифр на языке Python
DL-2
DL-2
Фреймворки для глубокого обучения (TensorFlow, Keras)
Создаем модель распознавания изображений на базе датасета FashionMNIST и фреймворка Keras
DL-3
DL-3
Сверточные нейронные сети
Распознаем изображения в датасете CIFAR-10 с помощью сверточной нейронной сети
DL-4
DL-4
Оптимизация нейронной сети
Улучшаем скорость и производительность сетей для кейса предыдущего модуля
DL-5
DL-5
Transfer learning & Fine-tuning
Дообучение нейронной сети ImageNET для решения задачи классификации изображений
DL-6
DL-6
Сегментация изображений
Проектируем нейронную сеть для сегментации людей в датасете COCO
DL-7
DL-7
Детектирование объектов
Обучаем нейросеть решать задачу детекции на примере датасета с логотипами брендов
DL-8
DL-8
Введение в NLP и Word Embeddings
Создаем нейросеть для работы с естественным языком
DL-9
DL-9
Рекуррентные нейронные сети
Создаем чат-бота на базе рекуррентной нейросети
DL-10
DL-10
Reinforcement Learning (обучение с подкреплением)
Создаем агента для игры в Pong на основе DQN алгоритма
DL-11
DL-11
What's next?
Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений
Отзывы о курсе
Отзывы студентов курсов
Вера Шерман
Мне хочется сказать большое спасибо авторам этого куса и организаторам обучения. Это был мой первый онлайн курс в жизни. Я давно работаю в сфере IT. Очень любопытно было познакомиться с новым инструментом. Курс оказался именно тем, чего хотелось. Для меня все было новым. Несмотря на наличие опыта программирования на разных языках, мне было нелегко.
Наталья Карькова
Понравилось, что много задач. Иногда приходилось подумать, чтобы их решить. Теория хорошо объяснена и много ссылок на дополнительные ресурсы.
Александр Чесноков
Замечательно подобрано соотношение материала и практики, специалисты курса всегда готовы прийти на помощь, вебинары проводятся в доступной форме.
Александр Гладких
Еще очень многому нужно учиться, но курс однозначно стоит своих денег. Желающим работать с данными однозначно рекомендую. Но если уровень совсем нулевой, будет не просто.
Кирилл Атаманенко
Экзамен был достаточно интересный, хотя хотелось-бы потруднее. Все модули были сделаны достаточно понятно и было достаточно практики. Из замечаний, хотелось бы больше практики по визуализации.
Андрей Зелепукин
Курс понравился своей интерактивностью, доступной и наглядной подачей материала, обилием ссылок на дополнительные материалы. Представляет собой обязательный минимум знаний и даже несколько больше. Хотелось бы еще больше заданий на работу с Pandas, API и визуализацию.
Степан Козурак
Сергей Никитин
После курса я буду искать работу как Full-stack разработчика для веба. Я доволен, курсы проходят отлично. Плюс очень важный момент - очень много людей, с которыми есть общие интересы.
Несколько раз пытался начинать обучаться, но каждый раз останавливался, если что-то не мог понять. Поэтому в очередной раз решив еще раз начать все сначала, поставил себе задачу обучаться не самостоятельно, а с помощью четкой программы. Все, с кем успел "столкнуться" объясняют доходчиво, помогают постоянно, если возникают вопросы.
Георгий Мурдасов
Курс позволяет выбрать удобный ритм обучения. Есть возможность перейти в другой поток и всё также получать обратную связь от менторов и кураторов. Если твой поток выпустился - это не значит, что ты не сможешь закончить обучение.
Илья Абрамов
Самообучение с нуля - это не моё, хотя я и освоил основы Python и базы данных самостоятельно. Дедлайны же на курсе сильно стимулируют к занятиям, ну и здорово, когда есть, с кем обсудить возникшие во время обучения проблемы. Всегда старайтесь сделать больше, чем надо для выполнения домашнего задания
Как проходит обучение
Слушаете лекции преподавателей
Вы сможете проходить обучение онлайн из любой точки планеты. Новые модули будут открываться раз в неделю.
Выполняете практические задания
Все практические задачи — реальные кейсы и задачи по применению алгоритмов Deep Learning для задач бизнеса.
Помощь преподавателя и коллектива
Вы будете получать поддержку наставников и постоянно общаться со своими сокурсниками в закрытых каналах в мессенджерах.
Выпускной хакатон
В конце курса вас ждет командное соревнование, в котором вы сможете применить все полученные навыки.
Часто задаваемые вопросы
Для комфортного обучения на курсе по нейронным сетям вам необходимо обладать базовыми знания Python для анализа данных.
Курс предназначен для начинающих Data Scientist, разработчиков, product-менеджеров и всех, кто хочет освоить профессию Data Scientist или использовать возможности машинного обучения в своей работе или бизнесе.
На курсе вы научитесь решать конкретные бизнес-задачи и разберетесь с алгоритмами Deep Learning, а также освоите работу с данными с помощью машинного обучения и создания нейронных сетей.
На курсе вы научитесь решать конкретные бизнес-задачи и разберетесь с алгоритмами Deep Learning, а также освоите работу с данными с помощью машинного обучения и создания нейронных сетей.
Знание Python (также вам потребуется его установить на компьютер), около 6-8 часов в неделю и желание получить новые знания и навыки создания нейронных сетей.
Основной ответ такой — наш курс не является заменой бесплатным онлайн-курсам. Напротив, онлайн-курсы — это очень хорошо и полезно. Но у наших курсов есть неоспоримые преимущества: фокус на практике, помощь преподавателя и поддержка группы.
Вы будете учиться по принципу одно занятие = одна задача. Вместе с опытным дата-сайентистом с опытом работы в топовых отечественных и зарубежных компаниях вы попрактикуетесь с данными, алгоритмами Deep Learning и получите самостоятельно реализованные кейсы в ваше портфолио .
Если вы столкнетесь с проблемой при выполнения задания, вам всегда будет, к кому обратиться: вы сможете получить совет от одногруппников и помощь преподавателя в закрытом сообществе в Slack. Курс составлен так, что вы не останетесь с трудностями один на один.
Вы будете учиться по принципу одно занятие = одна задача. Вместе с опытным дата-сайентистом с опытом работы в топовых отечественных и зарубежных компаниях вы попрактикуетесь с данными, алгоритмами Deep Learning и получите самостоятельно реализованные кейсы в ваше портфолио .
Если вы столкнетесь с проблемой при выполнения задания, вам всегда будет, к кому обратиться: вы сможете получить совет от одногруппников и помощь преподавателя в закрытом сообществе в Slack. Курс составлен так, что вы не останетесь с трудностями один на один.
Учитесь из любой точки в удобное время
Развивайте профессиональные навыки в онлайн-формате
Москва
Ереван
Алматы
Минск
Киев
Ташкент
Баку
Казань
Берлин
Тель-Авив
Лондон
Хельсинки
Варшава
Тбилиси
Прага
Франкфурт-на-Майне
Амстердам
Рига
Таллин
Вильнюс
Батуми
Гродно
Кишинев
Нур-Султан
Санкт-Петербург
Новосибирск
Одесса
Нижний Новгород
Харьков
Воронеж
Ростов-на-Дону
Екатеринбург
Уфа
Самара
Красноярск
Омск
Челябинск
Калининград
Пермь
Волгоград
Днепропетровск
Ставрополь
Краснодар
Ижевск
Саратов
Иркутск
Тюмень
Астрахань
Тольятти
Хабаровск
Ярославль
Владивосток
Сочи
Владимир
Рязань
Махачкала
Королёв
Архангельск
Мурманск
Грозный
Симферополь
Йошкар-Ола
Набережные Челны
Севастополь
Томск
Бишкек
Тула
Калуга
Ульяновск
Гомель
Барнаул
Тверь
Балашиха
Чебоксары
Смоленск
Иваново
Пенза
Чехов
Подольск
Донецк
Оренбург
Липецк
Курск
Кемерово
Мытищи
Петрозаводск
Люберцы
Новокузнецк
Брянск
Череповец
Сургут
Кострома
Химки
Одинцово
Киров
Белгород
Якутск
Тамбов
Видное