DEVrepublik

Machine Learning basis

Machine Learning basis

Машинное обучение — это первоклассный билет в самую захватывающую карьеру в области данных сегодня. По мере того, как источники данных расширяются вместе с вычислительной мощностью, необходимой для их обработки, переход к данным является одним из самых простых способов быстро получить представление и сделать прогнозы.

Наш девятинедельный вводный курс углубляется в основы машинного обучения с использованием Python, доступного и известного языка программирования. Вы узнаете о Supervised и Unsupervised обучении, посмотрите, как статистическое моделирование связано с машинным обучением.

Курс является как теоретическим, так и практическим, и мы убедимся, что вы понимаете теорию алгоритма, прежде чем тестировать его на реальных данных. Мы проведем вас через такие области, как анализ больших объемов данных и их классификация по соответствующим категориям, а также способы распознавания повторяющихся функций и выявления корреляций, чтобы вы могли разработать сложную систему, способную делать точные прогнозы.

Вы увидите реальные примеры машинного обучения и то, как они влияют на общество так, как вы, возможно, и не догадывались!

Топ навыки, которыми вы овладеете:

  • Опыт в математических вычислениях с использованием популярных пакетов Python, таких как NumPy или Scikit-Learn;
  • Опыт понимания и использования линейных /нелинейных моделей;
  • Глубокое понимание моделей обучения c учителем и без, как пример линейная регрессия, логистическая регрессия, SVM, кластеризация и К ближайших соседей;
  • Представление о том, как на самом деле работает магия нейронных сетей, и сможете написать их самостоятельно;
  • Создание воспроизводимых machine learning pipelines;
  • Опыт применения изученых методов для решения реальных проблем;
  • Опыт построения API моделей машинного обучения.

Учебный план

18  Мая — 3 Июня

09:00-12:00

(С понедельника по пятницу)

online

Оплата: 7500 грн

Следующие события

Пн 27

Machine Learning Basis Регистрация

27.07-12.08

27 июля 09:00 - 12:00
Авг 04

Machine Learning Basis Регистрация

04.08-20.08

4 августа 12:00 - 15:00
Авг 12

Machine Learning Basis Регистрация

04.08-20.08

12 августа 18:00 - 21:00
Сен 07

Machine Learning Basis Регистрация

07.09-23.09

7 сентября 09:00 - 12:00
Сен 28

Machine Learning Basis Регистрация

28.09-14.10

28 сентября 12:00 - 15:00
Окт 05

Machine Learning Basis Регистрация

05.10-21.10

5 октября 18:00 - 21:00
Ноя 09

Machine Learning Basis Регистрация

09.11-27.11

9 ноября 09:00 - 12:00
Ноя 23

Machine Learning Basis Регистрация

23.11-09.12

23 ноября 12:00 - 15:00
Ноя 30

Machine Learning Basis Регистрация

30.11-16.12

30 ноября 18:00 - 21:00
Дек 21

Machine Learning Basis Регистрация

21.12-16.01

21 декабря 09:00 - 12:00

Введение в машинное обучение

Этот модуль начинается с введения в машинное обучение: как оно организовано, каковы подотрасли машинного обучения, фундаментальные различия между этими подходами и типы проблем, для решения которых они предназначены.

Затем студенты знакомятся с постановкой задачи машинного обучения, выбирая соответствующую целевую функцию и алгоритм для данной задачи. Хорошо известно, что обработка данных и выбор функций занимают большую часть времени разработки модели. Студенты изучают методы, позволяющие эффективно справляться с отсутствующими значениями, выбросами, категориальными переменными и создают новые функции.

  • Постановка задачи машинного обучения;
  • Конструирование признаков;
  • Функции потерь;
  • Генерализация и оценка модели;
  • Оптимизация гиперпараметров;
  • Выбор модели;
  • Линейная регрессия;
  • Логистическая регрессия.

Это именно для вас, если вы:

  • человек, ищущий смену карьеры
  • выпускник университета в поисках работы в науке о данных
  • разработчик с математическим складом ума, который хотел бы добиться карьерного рост
  • владелец бизнеса, который хотел бы использовать анализ данных и реализовывать проекты, основанные на данных и искусственном интеллекте
  • специалист Data Scientist, который хочет систематизировать знания и освоить глубокое обучение

Наши Тренеры

Ирина Лазаренко

Одна из ведущих инструкторов DEVrepublik boot camp, а также Старший преподаватель кафедры математического моделирования экономических систем Национального технического университета Украины "Киевский политехнический институт имени Игоря Сикорского". Ирина также научный сотрудник лаборатории компьютерного моделирования и интеллектуального анализа данных в Мировом центре данных по геоинформатике и устойчивому развитию.
К ее научным интересам относятся Анализ данных, исследование операций, оптимальное управление, устойчивое развитие, теория интегральных и дифференциальных уравнений.
Она также любит путешествовать.

Иван Лучко

Иван один из ведущих инструкторов в DEVrepublik.
Иван выиграл бронзовую медаль на Международной олимпиаде по физике, в Мексике. Получил степень магистра прикладной физики в Техническом университете Мюнхена. Позже проводил исследования в антиферромагнетиках Гейзенберга с использованием моделирования Qauntum Monte Carlo и техники машинного обучения в Женеве (и PSI), Швейцария. Имеет богатый опыт автоматизации бизнес-процессов, углубленной аналитики, математического моделирования, оптимизации и машинного обучения. Последние два года Иван работает руководителем команды Data Science в Boosta. Последние проекты связаны с динамической ценовой оптимизацией и системой рекомендаций в электронной коммерции.
Любит спорт, путешествия и походы.

Руслан Климентьев

Руслан - автор учебных программ в DEVrepublik и инструктор по практическим заданиям.
Закончил Одесский национальный политехнический университет, специалист "Радиоэлектронные аппараты".
2,5 года опыта работы в Data Science.
Интересы: статистика, Data Visualization, CNN models и Computer Vision
2 раза получал на Kaggle.com приз Weekly Kernels Award
Winner.
Хобби: скалолазание и туризм

Николай Мерецкий

Николай является одним из ведущих инструкторов в DEVrepublik.
Он имеет 4-летний опыт в области Data Science и машинном обучении с использованием алгоритмов прогнозного моделирования, обработки данных, обработки изображений и видео, а также, интеллектуального анализа данных для решения сложных бизнес-задач.
Николай успешно применяет методы машинного обучения в медицине, финансах, агропромышленности, AR и многих других областях.
Помимо этого, он работал с большим количеством популярных технологий, таких как: Python, TensorFlow, Scikit, Keras, SciPy.
Хобби: Хайкинг.