Machine Learning и Deep Learning

Курс по машинному обучению и нейросетям подойдет вам, если вы

• Новичок Вы 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.
• Программист Вы 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.
• Аналитик Вы 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.

Вы научитесь:

• Программировать на Python и использовать этот язык для анализа и обработки данных
• Получать данные из разных источников: базы данных, файлы, интернет
• Работать с моделями и алгоритмами машинного обучения и решать на их основе практические задачи

Уже к середине курса вы сможете

• Разработать модель предсказания кредитного рейтинга
• Создать систему рекомендаций подходящих товаров при покупке
• Построить модель для увеличения продаж в розничном бизнесе

Краткая программа курса «Machine Learning PRO»

Помощь наставника на протяжении обучения

• 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
• 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
• Регрессия Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии. Решаем 40+ задач на закрепление темы
• Кластеризация Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML. Решаем 50+ задач на закрепление темы
• 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
• 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
• 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
• 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
• Рекомендательные системы Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели. Решаем 50+ задач на закрепление темы
• Финальный хакатон Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle

Программа курса «Deep Learning»

• Введение в искусственные нейронные сети Создаем нейронную сеть для распознавания рукописных цифр на языке Python
• Фреймворки для глубокого обучения (TensorFlow, Keras) Создаем модель распознавания изображений на базе датасета FashionMNIST и фреймворка Keras
• Сверточные нейронные сети Распознаем изображения в датасете CIFAR-10 с помощью сверточной нейронной сети
• Оптимизация нейронной сети Улучшаем скорость и производительность сетей для кейса предыдущего модуля
• Transfer learning & Fine-tuning Дообучение нейронной сети ImageNET для решения задачи классификации изображений
• Сегментация изображений Проектируем нейронную сеть для сегментации людей в датасете COCO
• Детектирование объектов Обучаем нейросеть решать задачу детекции на примере датасета с логотипами брендов
• Введение в NLP и Word Embeddings Создаем нейросеть для работы с естественным языком
• Рекуррентные нейронные сети Создаем чат-бота на базе рекуррентной нейросети
• Reinforcement Learning (обучение с подкреплением) Создаем агента для игры в Pong на основе DQN алгоритма
• What's next? Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений